开源Qwen_Qwen3 - 0.6B - GGUF模型：支持LM Studio，免费部署轻松运行

首页

Qwen Qwen3 0.6B GGUF

由 bartowski 开发

Qwen团队提供的Qwen3-0.6B的Llamacpp imatrix量化版本，使用llama.cpp进行量化，支持在LM Studio或基于llama.cpp的项目中运行。

大型语言模型 #轻量级文本生成 #多量化版本适配 #低资源部署

下载量 10.24k

发布时间 : 4/28/2025

模型简介

这是一个基于Qwen3-0.6B模型的量化版本，通过llama.cpp工具进行优化，提供多种量化选项以适应不同硬件需求。

模型特点

多种量化选项

提供从BF16到Q2_K的多种量化版本，适应不同硬件和性能需求。

imatrix量化

使用imatrix选项进行量化，提升模型性能。

广泛兼容性

支持在LM Studio、llama.cpp及基于llama.cpp的项目中运行。

模型能力

文本生成

对话系统

内容创作

使用案例

对话系统

智能客服

用于构建智能客服系统，回答用户问题。

内容创作

文章生成

生成各类文章、故事等内容。

🚀 Qwen3-0.6B的Llamacpp imatrix量化版本

本项目是对Qwen3-0.6B模型进行量化处理的成果，旨在优化模型在不同硬件上的运行性能和资源占用。通过使用特定的量化工具和数据集，提供了多种量化类型的模型文件供用户选择。

🚀 快速开始

运行环境

可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或任何基于 llama.cpp 的项目来运行。

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

下载文件

从以下表格中选择并下载所需的文件（不是整个分支）：

文件名	量化类型	文件大小	分割情况	描述
Qwen3-0.6B-bf16.gguf	bf16	1.51GB	false	完整的BF16权重。
Qwen3-0.6B-Q8_0.gguf	Q8_0	0.80GB	false	极高质量，通常不需要，但提供了最大可用的量化。
Qwen3-0.6B-Q6_K_L.gguf	Q6_K_L	0.70GB	false	嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。
Qwen3-0.6B-Q5_K_L.gguf	Q5_K_L	0.65GB	false	嵌入和输出权重使用Q8_0。高质量，推荐。
Qwen3-0.6B-Q6_K.gguf	Q6_K	0.62GB	false	非常高质量，接近完美，推荐。
Qwen3-0.6B-Q4_K_L.gguf	Q4_K_L	0.60GB	false	嵌入和输出权重使用Q8_0。质量良好，推荐。
Qwen3-0.6B-Q3_K_XL.gguf	Q3_K_XL	0.57GB	false	嵌入和输出权重使用Q8_0。质量较低但可用，适合低内存环境。
Qwen3-0.6B-Q5_K_M.gguf	Q5_K_M	0.55GB	false	高质量，推荐。
Qwen3-0.6B-Q5_K_S.gguf	Q5_K_S	0.54GB	false	高质量，推荐。
Qwen3-0.6B-Q4_1.gguf	Q4_1	0.51GB	false	旧格式，性能与Q4_K_S相似，但在苹果硅芯片上的每瓦令牌数有所提高。
Qwen3-0.6B-Q2_K_L.gguf	Q2_K_L	0.50GB	false	嵌入和输出权重使用Q8_0。质量非常低，但出人意料地可用。
Qwen3-0.6B-Q4_K_M.gguf	Q4_K_M	0.48GB	false	质量良好，是大多数用例的默认选择，推荐。
Qwen3-0.6B-Q4_K_S.gguf	Q4_K_S	0.47GB	false	质量稍低，但节省空间，推荐。
Qwen3-0.6B-Q4_0.gguf	Q4_0	0.47GB	false	旧格式，支持为ARM和AVX CPU推理进行在线重新打包。
Qwen3-0.6B-IQ4_NL.gguf	IQ4_NL	0.47GB	false	与IQ4_XS相似，但稍大。支持为ARM CPU推理进行在线重新打包。
Qwen3-0.6B-IQ4_XS.gguf	IQ4_XS	0.45GB	false	质量不错，比Q4_K_S小，性能相似，推荐。
Qwen3-0.6B-Q3_K_L.gguf	Q3_K_L	0.44GB	false	质量较低但可用，适合低内存环境。
Qwen3-0.6B-Q3_K_M.gguf	Q3_K_M	0.41GB	false	质量低。
Qwen3-0.6B-IQ3_M.gguf	IQ3_M	0.40GB	false	中低质量，新方法，性能与Q3_K_M相当。
Qwen3-0.6B-Q3_K_S.gguf	Q3_K_S	0.39GB	false	质量低，不推荐。
Qwen3-0.6B-IQ3_XS.gguf	IQ3_XS	0.38GB	false	质量较低，新方法，性能不错，略优于Q3_K_S。
Qwen3-0.6B-IQ3_XXS.gguf	IQ3_XXS	0.35GB	false	质量较低，新方法，性能不错，与Q3量化相当。
Qwen3-0.6B-Q2_K.gguf	Q2_K	0.35GB	false	质量非常低，但出人意料地可用。
Qwen3-0.6B-IQ2_M.gguf	IQ2_M	0.33GB	false	质量相对较低，使用了最先进的技术，出人意料地可用。

下载方式

使用huggingface-cli下载

点击查看下载说明

首先，确保你已经安装了hugginface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/Qwen_Qwen3-0.6B-GGUF --include "Qwen_Qwen3-0.6B-Q4_K_M.gguf" --local-dir ./

如果模型大于50GB，它将被分割成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Qwen_Qwen3-0.6B-GGUF --include "Qwen_Qwen3-0.6B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（Qwen_Qwen3-0.6B-Q8_0），也可以将它们全部下载到当前目录（./）。

✨ 主要特性

量化方式

使用 llama.cpp 的 b5200 版本进行量化。所有量化均使用imatrix选项，并结合来自此处的数据集。

嵌入/输出权重

部分量化模型（如Q3_K_XL、Q4_K_L等）采用了标准的量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8文件，这些文件的权重在内存中交错排列，以提高ARM和AVX机器的性能。现在，有了“在线重新打包”功能，详情见此PR。如果你使用Q4_0，并且硬件能从重新打包权重中受益，它将自动实时进行。
从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。
此外，如果你想获得稍好的质量，可以使用IQ4_NL，这得益于此PR，它也会为ARM重新打包权重，但目前仅适用于4_4。加载时间可能会较慢，但总体速度会提高。

📚 详细文档

如何选择合适的文件

点击查看详情

Artefact2 提供了一篇很棒的文章，并配有图表展示各种性能，链接为此处。

首先，你需要确定能够运行的模型大小。这需要了解你系统的RAM和GPU的VRAM容量。

如果你希望模型运行得尽可能快，应将整个模型加载到GPU的VRAM中。选择文件大小比GPU总VRAM小1 - 2GB的量化模型。
如果你追求绝对的最高质量，将系统RAM和GPU的VRAM相加，然后选择文件大小比该总和小1 - 2GB的量化模型。

接下来，你需要决定是使用“I量化”还是“K量化”。

如果你不想考虑太多，可以选择K量化模型，格式为 'QX_K_X'，如Q5_K_M。
如果你想深入了解，可以查看这个非常有用的特性图表：llama.cpp特性矩阵。一般来说，如果你目标是Q4以下的量化，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），应该考虑I量化模型，格式为IQX_X，如IQ3_M。这些模型较新，在相同大小下性能更好。不过，I量化模型也可以在CPU上使用，但比对应的K量化模型慢，因此你需要在速度和性能之间进行权衡。

🔧 技术细节

基准测试

点击查看AVX2系统（EPYC7702）上的基准测试

模型	大小	参数	后端	线程数	测试用例	每秒令牌数	与Q4_0相比的百分比
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp512	204.03 ± 1.03	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp1024	282.92 ± 0.19	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp2048	259.49 ± 0.44	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg128	39.12 ± 0.27	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg256	39.31 ± 0.69	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg512	40.52 ± 0.03	100%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp512	301.02 ± 1.74	147%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp1024	287.23 ± 0.20	101%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp2048	262.77 ± 1.81	101%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg128	18.80 ± 0.99	48%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg256	24.46 ± 3.04	83%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg512	36.32 ± 3.59	90%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp512	271.71 ± 3.53	133%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp1024	279.86 ± 45.63	100%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp2048	320.77 ± 5.00	124%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg128	43.51 ± 0.05	111%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg256	43.35 ± 0.09	110%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg512	42.60 ± 0.31	105%