andrewzh_Absolute_Zero_Reasoner-Coder-7b-GGUF开源模型 - 免费部署助力推理与代码生成

首页

Andrewzh Absolute Zero Reasoner Coder 7b GGUF

由 bartowski 开发

基于andrewzh的Absolute_Zero_Reasoner-Coder-7b模型的Llamacpp量化版本，支持多种量化级别，适用于推理和代码生成任务。

大型语言模型 #推理编程 #高效量化 #代码生成

下载量 1,325

发布时间 : 5/11/2025

模型简介

这是一个7B参数规模的推理与代码生成模型，经过llama.cpp工具量化后可在消费级硬件上高效运行。

模型特点

多级量化选项

提供从Q2_K到Q8_0共22种量化级别，满足不同硬件条件下的推理需求

imatrix优化

所有量化版本均采用imatrix选项优化，提高量化后的模型质量

广泛兼容性

支持LM Studio、llama.cpp及兼容项目运行，跨平台部署

嵌入优化

部分量化版本对嵌入和输出权重采用Q8_0量化，提高关键部分精度

模型能力

文本生成

代码生成

推理任务

自然语言理解

使用案例

编程辅助

代码自动补全

根据上下文提示生成代码片段

代码解释

解释复杂代码的功能和逻辑

文本生成

内容创作

生成技术文档或文章

🚀 Absolute_Zero_Reasoner-Coder-7b的Llamacpp imatrix量化版本

本项目是对andrewzh的Absolute_Zero_Reasoner-Coder-7b模型进行量化处理。通过量化，能在不同硬件条件下更高效地运行模型，满足多样化的使用需求。

🚀 快速开始

使用 llama.cpp 版本 b5338 进行量化。原始模型地址：https://huggingface.co/andrewzh/Absolute_Zero_Reasoner-Coder-7b

所有量化模型均使用imatrix选项，并采用此处的数据集。

你可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或其他基于llama.cpp的项目来运行。

✨ 主要特性

提示格式

{system_prompt}
{prompt}

下载文件

你可以从以下表格中选择并下载所需的文件（非整个分支）：

文件名	量化类型	文件大小	拆分情况	描述
Absolute_Zero_Reasoner-Coder-7b-bf16.gguf	bf16	15.24GB	否	完整的BF16权重。
Absolute_Zero_Reasoner-Coder-7b-Q8_0.gguf	Q8_0	8.10GB	否	极高质量，通常不需要，但为最大可用量化。
Absolute_Zero_Reasoner-Coder-7b-Q6_K_L.gguf	Q6_K_L	6.52GB	否	嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q6_K.gguf	Q6_K	6.25GB	否	非常高质量，接近完美，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q5_K_L.gguf	Q5_K_L	5.78GB	否	嵌入和输出权重使用Q8_0。高质量，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q5_K_M.gguf	Q5_K_M	5.44GB	否	高质量，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q5_K_S.gguf	Q5_K_S	5.32GB	否	高质量，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q4_K_L.gguf	Q4_K_L	5.09GB	否	嵌入和输出权重使用Q8_0。质量良好，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q4_1.gguf	Q4_1	4.87GB	否	旧格式，性能与Q4_K_S相似，但在Apple硅芯片上每瓦令牌数有所提高。
Absolute_Zero_Reasoner-Coder-7b-Q4_K_M.gguf	Q4_K_M	4.68GB	否	质量良好，大多数用例的默认大小，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_XL.gguf	Q3_K_XL	4.57GB	否	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。
Absolute_Zero_Reasoner-Coder-7b-Q4_K_S.gguf	Q4_K_S	4.46GB	否	质量略低但节省空间，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q4_0.gguf	Q4_0	4.44GB	否	旧格式，支持ARM和AVX CPU推理的在线重新打包。
Absolute_Zero_Reasoner-Coder-7b-IQ4_NL.gguf	IQ4_NL	4.44GB	否	与IQ4_XS相似，但略大。支持ARM CPU推理的在线重新打包。
Absolute_Zero_Reasoner-Coder-7b-IQ4_XS.gguf	IQ4_XS	4.22GB	否	质量不错，比Q4_K_S小且性能相似，推荐。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_L.gguf	Q3_K_L	4.09GB	否	质量较低但可用，适合低内存情况。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_M.gguf	Q3_K_M	3.81GB	否	质量较低。
Absolute_Zero_Reasoner-Coder-7b-IQ3_M.gguf	IQ3_M	3.57GB	否	中低质量，新方法，性能与Q3_K_M相当。
Absolute_Zero_Reasoner-Coder-7b-Q2_K_L.gguf	Q2_K_L	3.55GB	否	嵌入和输出权重使用Q8_0。质量非常低但意外可用。
Absolute_Zero_Reasoner-Coder-7b-Q3_K_S.gguf	Q3_K_S	3.49GB	否	质量较低，不推荐。
Absolute_Zero_Reasoner-Coder-7b-IQ3_XS.gguf	IQ3_XS	3.35GB	否	质量较低，新方法，性能不错，略优于Q3_K_S。
Absolute_Zero_Reasoner-Coder-7b-IQ3_XXS.gguf	IQ3_XXS	3.11GB	否	质量较低，新方法，性能不错，与Q3量化相当。
Absolute_Zero_Reasoner-Coder-7b-Q2_K.gguf	Q2_K	3.02GB	否	质量非常低但意外可用。
Absolute_Zero_Reasoner-Coder-7b-IQ2_M.gguf	IQ2_M	2.78GB	否	质量相对较低，使用了最先进的技术，意外可用。

嵌入/输出权重

部分量化模型（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huggingface-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/andrewzh_Absolute_Zero_Reasoner-Coder-7b-GGUF --include "andrewzh_Absolute_Zero_Reasoner-Coder-7b-Q4_K_M.gguf" --local-dir ./

如果模型大于50GB，它将被拆分为多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/andrewzh_Absolute_Zero_Reasoner-Coder-7b-GGUF --include "andrewzh_Absolute_Zero_Reasoner-Coder-7b-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如andrewzh_Absolute_Zero_Reasoner-Coder-7b-Q8_0），也可以将它们全部下载到当前目录（./）。

🔧 技术细节

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，并且你的硬件能从权重重新打包中受益，它将自动实时进行处理。

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，如果你想获得更好的质量，可以使用IQ4_NL，详情见此PR，它也会为ARM重新打包权重，不过目前仅适用于4_4。加载时间可能会更长，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带有在线重新打包的Q4_0在性能上的潜在理论提升。

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
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%