Infly Inf O1 Pi0 GGUF

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/infly_inf-o1-pi0-GGUF --include "infly_inf-o1-pi0-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/infly_inf-o1-pi0-GGUF --include "infly_inf-o1-pi0-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如 infly_inf-o1-pi0-Q8_0），也可以将它们全部下载到当前目录（./）。

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 可能带来的理论性能提升。

Artefact2 提供了一份很棒的带有图表的文章，展示了各种性能，链接为 此处

首先，你需要确定你能运行多大的模型。为此，你需要了解你有多少内存（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。

如果你追求绝对的最高质量，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。这些版本的格式为 '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

但基本上，如果你目标是低于 Q4 的量化版本，并且你使用的是 cuBLAS（Nvidia）或 rocBLAS（AMD），你应该考虑 I - 量化版本。这些版本的格式为 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，但比相应的 K - 量化版本慢，所以你需要在速度和性能之间做出权衡。