Mistralai Devstral Small 2505 GGUF

🚀 MistralAI的Devstral - Small - 2505的Llamacpp imatrix量化版本

本项目是MistralAI的Devstral - Small - 2505模型的量化版本，借助特定工具和方法实现了不同量化格式，支持多语言，可在多种环境下运行，为用户提供了多样化的选择。

🚀 快速开始

模型创建

本量化模型使用Unsloth的转换方法创建（非常感谢其上传该方法），具体可参考：[https://huggingface.co/unsloth/Devstral - Small - 2505](https://huggingface.co/unsloth/Devstral - Small - 2505)。使用 llama.cpp 发布版本 b5432 进行量化。原始模型可访问：[https://huggingface.co/mistralai/Devstral - Small - 2505](https://huggingface.co/mistralai/Devstral - Small - 2505)。所有量化均使用imatrix选项，并采用来自 此处 的数据集。

运行方式

• 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

视觉支持

感谢ngxson的贡献，他展示了Mistral Small 3.1的原始mmproj与Devstral Small无缝兼容，因此这里提供了用于视觉应用的mmproj文件。需要注意的是，这并非官方支持，可能无法完美运行，但在实践中似乎是可行的。

多语言支持

支持多种语言，包括英语（en）、法语（fr）、德语（de）、西班牙语（es）、葡萄牙语（pt）、意大利语（it）、日语（ja）、韩语（ko）、俄语（ru）、中文（zh）、阿拉伯语（ar）、波斯语（fa）、印尼语（id）、马来语（ms）、尼泊尔语（ne）、波兰语（pl）、罗马尼亚语（ro）、塞尔维亚语（sr）、瑞典语（sv）、土耳其语（tr）、乌克兰语（uk）、越南语（vi）、印地语（hi）和孟加拉语（bn）。

📦 安装指南

安装huggingface - cli

首先，确保你已安装huggingface - cli：

pip install -U "huggingface_hub[cli]"

下载特定文件

你可以指定要下载的特定文件：

huggingface-cli download bartowski/mistralai_Devstral - Small - 2505 - GGUF --include "mistralai_Devstral - Small - 2505 - Q4_K_M.gguf" --local - dir ./

下载大模型（大于50GB）

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

huggingface-cli download bartowski/mistralai_Devstral - Small - 2505 - GGUF --include "mistralai_Devstral - Small - 2505 - Q8_0/*" --local - dir ./

你可以指定一个新的本地目录（如mistralai_Devstral - Small - 2505 - Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

提示格式

<s>[SYSTEM_PROMPT]{system_prompt}[/SYSTEM_PROMPT][INST]{prompt}[/INST]

📚 详细文档

下载文件选择

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，而非通常的默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，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。

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

Artefact2 提供了一篇很棒的文章，带有展示各种性能的图表，可参考 此处。

首先，你需要确定能运行多大的模型。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，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 - 量化版本也可在CPU上使用，但比相应的K - 量化版本慢，因此你需要在速度和性能之间做出权衡。

🔧 技术细节

隐私政策

如果你想了解我们如何处理你的个人数据，请阅读我们的 隐私政策。

许可证

本项目采用Apache 2.0许可证。

📄 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)