模型简介
模型特点
模型能力
使用案例
🚀 PrimeIntellect的INTELLECT - 2的Llamacpp imatrix量化版本
本项目是PrimeIntellect的INTELLECT - 2模型的量化版本,使用特定工具和数据集进行量化处理,提供多种量化类型供用户选择,可在不同环境下运行,满足不同性能和质量需求。
项目信息
属性 | 详情 |
---|---|
量化者 | bartowski |
任务类型 | 文本生成 |
基础模型 | PrimeIntellect/INTELLECT - 2 |
许可证 | apache - 2.0 |
基础模型关系 | 量化版本 |
训练数据集 | PrimeIntellect/Intellect - 2 - RL - Dataset |
🚀 快速开始
本项目使用 llama.cpp 的 b5338 版本进行量化。
- 原始模型:[https://huggingface.co/PrimeIntellect/INTELLECT - 2](https://huggingface.co/PrimeIntellect/INTELLECT - 2)
- 所有量化均使用imatrix选项和来自 此处 的数据集完成。
- 可在 LM Studio 中运行。
- 也可直接使用 llama.cpp 或任何基于llama.cpp的项目运行。
✨ 主要特性
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
<think>
下载文件
可从以下列表中下载单个文件(非整个分支):
文件名 | 量化类型 | 文件大小 | 是否拆分 | 描述 |
---|---|---|---|---|
[INTELLECT - 2 - bf16.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/tree/main/PrimeIntellect_INTELLECT - 2 - bf16) | bf16 | 65.54GB | true | 完整的BF16权重。 |
[INTELLECT - 2 - Q8_0.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q8_0.gguf) | Q8_0 | 34.82GB | false | 极高质量,通常不需要,但为最大可用量化。 |
[INTELLECT - 2 - Q6_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q6_K_L.gguf) | Q6_K_L | 27.26GB | false | 嵌入和输出权重使用Q8_0。非常高质量,接近完美,推荐。 |
[INTELLECT - 2 - Q6_K.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q6_K.gguf) | Q6_K | 26.89GB | false | 非常高质量,接近完美,推荐。 |
[INTELLECT - 2 - Q5_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q5_K_L.gguf) | Q5_K_L | 23.74GB | false | 嵌入和输出权重使用Q8_0。高质量,推荐。 |
[INTELLECT - 2 - Q5_K_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q5_K_M.gguf) | Q5_K_M | 23.26GB | false | 高质量,推荐。 |
[INTELLECT - 2 - Q5_K_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q5_K_S.gguf) | Q5_K_S | 22.64GB | false | 高质量,推荐。 |
[INTELLECT - 2 - Q4_1.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_1.gguf) | Q4_1 | 20.64GB | false | 旧格式,性能与Q4_K_S相似,但在Apple硅芯片上每瓦处理的令牌数有所提高。 |
[INTELLECT - 2 - Q4_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_K_L.gguf) | Q4_K_L | 20.43GB | false | 嵌入和输出权重使用Q8_0。质量良好,推荐。 |
[INTELLECT - 2 - Q4_K_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_K_M.gguf) | Q4_K_M | 19.85GB | false | 质量良好,是大多数用例的默认大小,推荐。 |
[INTELLECT - 2 - Q4_K_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_K_S.gguf) | Q4_K_S | 18.78GB | false | 质量略低,但节省更多空间,推荐。 |
[INTELLECT - 2 - Q4_0.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q4_0.gguf) | Q4_0 | 18.71GB | false | 旧格式,可在线重新打包以用于ARM和AVX CPU推理。 |
[INTELLECT - 2 - IQ4_NL.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ4_NL.gguf) | IQ4_NL | 18.68GB | false | 与IQ4_XS相似,但略大。可在线重新打包以用于ARM CPU推理。 |
[INTELLECT - 2 - Q3_K_XL.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_XL.gguf) | Q3_K_XL | 17.93GB | false | 嵌入和输出权重使用Q8_0。质量较低但可用,适合低内存情况。 |
[INTELLECT - 2 - IQ4_XS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ4_XS.gguf) | IQ4_XS | 17.69GB | false | 质量尚可,比Q4_K_S小,性能相似,推荐。 |
[INTELLECT - 2 - Q3_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_L.gguf) | Q3_K_L | 17.25GB | false | 质量较低但可用,适合低内存情况。 |
[INTELLECT - 2 - Q3_K_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_M.gguf) | Q3_K_M | 15.94GB | false | 低质量。 |
[INTELLECT - 2 - IQ3_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ3_M.gguf) | IQ3_M | 14.81GB | false | 中低质量,新方法,性能与Q3_K_M相当。 |
[INTELLECT - 2 - Q3_K_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q3_K_S.gguf) | Q3_K_S | 14.39GB | false | 低质量,不推荐。 |
[INTELLECT - 2 - IQ3_XS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ3_XS.gguf) | IQ3_XS | 13.71GB | false | 质量较低,新方法,性能尚可,略优于Q3_K_S。 |
[INTELLECT - 2 - Q2_K_L.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q2_K_L.gguf) | Q2_K_L | 13.07GB | false | 嵌入和输出权重使用Q8_0。质量非常低,但出奇地可用。 |
[INTELLECT - 2 - IQ3_XXS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ3_XXS.gguf) | IQ3_XXS | 12.84GB | false | 质量较低,新方法,性能尚可,与Q3量化相当。 |
[INTELLECT - 2 - Q2_K.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - Q2_K.gguf) | Q2_K | 12.31GB | false | 质量非常低,但出奇地可用。 |
[INTELLECT - 2 - IQ2_M.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ2_M.gguf) | IQ2_M | 11.26GB | false | 质量相对较低,使用了最先进的技术,出奇地可用。 |
[INTELLECT - 2 - IQ2_S.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ2_S.gguf) | IQ2_S | 10.39GB | false | 低质量,使用了最先进的技术,可用。 |
[INTELLECT - 2 - IQ2_XS.gguf](https://huggingface.co/bartowski/PrimeIntellect_INTELLECT - 2 - GGUF/blob/main/PrimeIntellect_INTELLECT - 2 - IQ2_XS.gguf) | IQ2_XS | 9.96GB | false | 低质量,使用了最先进的技术,可用。 |
嵌入/输出权重
部分量化(如Q3_K_XL、Q4_K_L等)采用标准量化方法,将嵌入和输出权重量化为Q8_0,而非默认值。
📦 安装指南
使用huggingface - cli下载
点击查看下载说明
首先,确保你已安装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/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q4_K_M.gguf" --local-dir ./
如果模型大于50GB,它会被拆分为多个文件。要将它们全部下载到本地文件夹,请运行:
huggingface-cli download bartowski/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(如PrimeIntellect_INTELLECT - 2 - Q8_0),也可以将它们全部下载到当前目录(./)。
💻 使用示例
基础用法
本项目可在LM Studio或基于llama.cpp的项目中运行,以下是使用huggingface - cli下载特定文件的示例:
huggingface-cli download bartowski/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q4_K_M.gguf" --local-dir ./
高级用法
若模型大于50GB,可使用以下命令下载拆分后的所有文件:
huggingface-cli download bartowski/PrimeIntellect_INTELLECT - 2 - GGUF --include "PrimeIntellect_INTELLECT - 2 - Q8_0/*" --local-dir ./
📚 详细文档
ARM/AVX信息
以前,你会下载Q4_0_4_4/4_8/8_8,这些模型的权重会在内存中交错排列,以便通过一次加载更多数据来提高ARM和AVX机器的性能。
然而,现在有了一种称为“在线重新打包”的权重处理方式,详情见 此PR。如果你使用Q4_0,并且你的硬件能从重新打包权重中受益,它会自动实时进行处理。
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,不过目前仅适用于4_4。加载时间可能会变慢,但总体速度会提高。
点击查看Q4_0_X_X信息(已弃用)
我保留这部分内容是为了展示使用支持在线重新打包的Q4_0在理论上的性能提升。
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 | 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% |
Q4_0_8_8在提示处理方面有显著提升,在文本生成方面有小幅提升。
如何选择文件
点击查看详情
Artefact2 在此 提供了一份很棒的带有各种性能图表的文章。
首先要确定你能运行多大的模型。为此,你需要了解自己有多少内存(RAM)和/或显存(VRAM)。
如果你希望模型运行得尽可能快,你需要将整个模型放入GPU的显存中。选择文件大小比GPU总显存小1 - 2GB的量化版本。
如果你追求绝对最高质量,将系统内存和GPU显存相加,然后选择文件大小比该总和小1 - 2GB的量化版本。
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,选择K - 量化版本,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](https://github.com/ggerganov/llama.cpp/wiki/Feature - matrix)
但基本上,如果你目标是低于Q4的量化,并且使用cuBLAS(Nvidia)或rocBLAS(AMD),你应该考虑I - 量化版本,格式为IQX_X,如IQ3_M。这些是较新的版本,在相同大小下性能更好。
这些I - 量化版本也可以在CPU上使用,但比对应的K - 量化版本慢,所以你需要在速度和性能之间做出权衡。
📄 许可证
本项目使用的许可证为apache - 2.0。
致谢
感谢kalomaze和Dampf在创建imatrix校准数据集方面提供的帮助。 感谢ZeroWw在嵌入/输出实验方面提供的灵感。 感谢LM Studio对我工作的赞助。
如果你想支持我的工作,请访问我的ko - fi页面:[https://ko - fi.com/bartowski](https://ko - fi.com/bartowski)



