模型简介
模型特点
模型能力
使用案例
🚀 katanemo的Arch - Function - Chat - 3B的Llamacpp imatrix量化模型
本项目是对katanemo/Arch - Function - Chat - 3B
模型进行的量化处理,旨在提升模型在特定环境下的运行效率和性能。通过使用llama.cpp
工具,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
提示格式
<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
下载文件
从以下表格中选择合适的文件进行下载:
文件名 | 量化类型 | 文件大小 | 分割情况 | 描述 |
---|---|---|---|---|
[Arch - Function - Chat - 3B - bf16.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - bf16.gguf) | bf16 | 6.18GB | false | 完整的BF16权重。 |
[Arch - Function - Chat - 3B - Q8_0.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q8_0.gguf) | Q8_0 | 3.29GB | false | 极高质量,通常不需要,但为最大可用量化。 |
[Arch - Function - Chat - 3B - Q6_K_L.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q6_K_L.gguf) | Q6_K_L | 2.61GB | false | 嵌入和输出权重使用Q8_0。非常高质量,接近完美,推荐。 |
[Arch - Function - Chat - 3B - Q6_K.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q6_K.gguf) | Q6_K | 2.54GB | false | 非常高质量,接近完美,推荐。 |
[Arch - Function - Chat - 3B - Q5_K_L.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q5_K_L.gguf) | Q5_K_L | 2.30GB | false | 嵌入和输出权重使用Q8_0。高质量,推荐。 |
[Arch - Function - Chat - 3B - Q5_K_M.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q5_K_M.gguf) | Q5_K_M | 2.22GB | false | 高质量,推荐。 |
[Arch - Function - Chat - 3B - Q5_K_S.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q5_K_S.gguf) | Q5_K_S | 2.17GB | false | 高质量,推荐。 |
[Arch - Function - Chat - 3B - Q4_K_L.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q4_K_L.gguf) | Q4_K_L | 2.01GB | false | 嵌入和输出权重使用Q8_0。质量良好,推荐。 |
[Arch - Function - Chat - 3B - Q4_1.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q4_1.gguf) | Q4_1 | 2.00GB | false | 旧格式,性能与Q4_K_S相似,但在苹果硅芯片上每瓦处理的令牌数有所提高。 |
[Arch - Function - Chat - 3B - Q4_K_M.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q4_K_M.gguf) | Q4_K_M | 1.93GB | false | 质量良好,是大多数用例的默认大小,推荐。 |
[Arch - Function - Chat - 3B - Q4_K_S.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q4_K_S.gguf) | Q4_K_S | 1.83GB | false | 质量稍低,但节省更多空间,推荐。 |
[Arch - Function - Chat - 3B - Q4_0.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q4_0.gguf) | Q4_0 | 1.83GB | false | 旧格式,提供用于ARM和AVX CPU推理的在线重新打包。 |
[Arch - Function - Chat - 3B - IQ4_NL.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - IQ4_NL.gguf) | IQ4_NL | 1.83GB | false | 与IQ4_XS相似,但稍大。提供用于ARM CPU推理的在线重新打包。 |
[Arch - Function - Chat - 3B - Q3_K_XL.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q3_K_XL.gguf) | Q3_K_XL | 1.78GB | 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。 |
[Arch - Function - Chat - 3B - IQ4_XS.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - IQ4_XS.gguf) | IQ4_XS | 1.74GB | false | 质量尚可,比Q4_K_S小且性能相似,推荐。 |
[Arch - Function - Chat - 3B - Q3_K_L.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q3_K_L.gguf) | Q3_K_L | 1.71GB | false | 质量较低但可用,适合低内存情况。 |
[Arch - Function - Chat - 3B - Q3_K_M.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q3_K_M.gguf) | Q3_K_M | 1.59GB | false | 低质量。 |
[Arch - Function - Chat - 3B - IQ3_M.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - IQ3_M.gguf) | IQ3_M | 1.49GB | false | 中低质量,新方法,性能与Q3_K_M相当。 |
[Arch - Function - Chat - 3B - Q3_K_S.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q3_K_S.gguf) | Q3_K_S | 1.45GB | false | 低质量,不推荐。 |
[Arch - Function - Chat - 3B - IQ3_XS.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - IQ3_XS.gguf) | IQ3_XS | 1.39GB | false | 质量较低,新方法,性能尚可,略优于Q3_K_S。 |
[Arch - Function - Chat - 3B - Q2_K_L.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q2_K_L.gguf) | Q2_K_L | 1.35GB | 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。 |
[Arch - Function - Chat - 3B - IQ3_XXS.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - IQ3_XXS.gguf) | IQ3_XXS | 1.28GB | false | 质量较低,新方法,性能尚可,与Q3量化相当。 |
[Arch - Function - Chat - 3B - Q2_K.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - Q2_K.gguf) | Q2_K | 1.27GB | false | 质量非常低,但出人意料地可用。 |
[Arch - Function - Chat - 3B - IQ2_M.gguf](https://huggingface.co/bartowski/katanemo_Arch - Function - Chat - 3B - GGUF/blob/main/katanemo_Arch - Function - Chat - 3B - IQ2_M.gguf) | IQ2_M | 1.14GB | false | 质量相对较低,使用了最先进的技术,出人意料地可用。 |
📚 详细文档
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。
下载文件
使用huggingface - cli下载
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/katanemo_Arch-Function-Chat-3B-GGUF --include "katanemo_Arch-Function-Chat-3B-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/katanemo_Arch-Function-Chat-3B-GGUF --include "katanemo_Arch-Function-Chat-3B-Q8_0/*" --local-dir ./
你可以指定一个新的本地目录(如katanemo_Arch-Function-Chat-3B-Q8_0
),也可以将它们全部下载到当前目录(./
)。
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。
现在,有了所谓的权重“在线重新打包”功能,详情见 此PR。如果你使用Q4_0,并且你的硬件可以从重新打包权重中受益,它将自动实时进行。
从llama.cpp
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,感谢 此PR,它也会为ARM重新打包权重,不过目前仅支持4_4。加载时间可能会更长,但总体速度会提高。
如何选择文件
点击查看详情
Artefact2在 [这里](https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9) 提供了一篇很棒的文章,配有图表展示各种性能。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的量化模型。
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,选择K - 量化模型。这些模型的格式为“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功能图表: llama.cpp功能矩阵
但基本上,如果你目标是低于Q4的量化,并且你使用的是cuBLAS(Nvidia)或rocBLAS(AMD),你应该考虑I - 量化模型。这些模型的格式为IQX_X,如IQ3_M。它们是较新的模型,在相同大小下提供更好的性能。
这些I - 量化模型也可以在CPU上使用,但比相应的K - 量化模型慢,因此你需要在速度和性能之间做出权衡。
🔧 技术细节
量化方法
使用 llama.cpp 版本 b5010 进行量化。所有量化模型均使用imatrix选项,并使用来自 这里 的数据集。
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 | 测试类型 | 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。
📄 许可证
本项目使用的许可证为katanemo - research
,详细信息请见 许可证链接。
致谢
感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw在嵌入/输出实验方面提供的灵感。 感谢LM Studio对本项目的赞助。
如果你想支持我的工作,请访问 我的ko - fi页面。



