开源Facebook KernelLLM-GGUF大语言模型 - 多量化适配不同硬件需求

首页

Facebook KernelLLM GGUF

由 bartowski 开发

KernelLLM是Facebook开发的大语言模型，此版本为使用llama.cpp工具进行imatrix量化的版本，提供多种量化选项以适应不同硬件需求。

大型语言模型开源协议:其他 #多量化版本 #低资源部署 #高效推理

下载量 5,151

发布时间 : 5/19/2025

模型简介

基于Facebook KernelLLM模型的量化版本，支持多种量化级别，适用于文本生成任务，可在LM Studio或llama.cpp环境中运行。

模型特点

多种量化选项

提供从BF16到Q2_K的多种量化级别，满足不同硬件和性能需求。

imatrix量化

使用imatrix选项进行量化，提高了量化质量。

嵌入/输出权重优化

部分量化版本对嵌入和输出权重使用Q8_0量化，提高关键部分的质量。

ARM/AVX优化

支持在线重打包技术，优化在ARM和AVX设备上的性能。

模型能力

文本生成

支持多种量化级别

硬件适应性优化

使用案例

通用文本生成

对话系统

可用于构建对话系统，生成自然语言响应。

内容创作

辅助进行各种文本内容创作，如文章、故事等。

🚀 Meta公司KernelLLM模型的Llamacpp imatrix量化版本

本项目是Meta公司KernelLLM模型的量化版本，使用 llama.cpp 发布版本 b5415 进行量化。该项目可以帮助用户在不同硬件条件下更高效地运行KernelLLM模型。

🔍 基本信息

属性	详情
量化者	bartowski
任务类型	文本生成
基础模型	facebook/KernelLLM
训练数据集	ScalingIntelligence/KernelBench
许可证	other
基础模型关系	量化版本

🚀 快速开始

原始模型：https://huggingface.co/facebook/KernelLLM
量化方式：所有量化版本均使用imatrix选项，并采用此处的数据集。
运行方式：
- 可以在 LM Studio 中运行。
- 也可以直接使用 llama.cpp 或任何基于llama.cpp的项目运行。

💬 提示格式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

📥 文件下载

可以从以下表格中选择需要的文件进行下载：

文件名	量化类型	文件大小	分割情况	描述
KernelLLM-bf16.gguf	bf16	16.07GB	false	完整的BF16权重。
KernelLLM-Q8_0.gguf	Q8_0	8.54GB	false	极高质量，通常不需要，但为最大可用量化。
KernelLLM-Q6_K_L.gguf	Q6_K_L	6.85GB	false	嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。
KernelLLM-Q6_K.gguf	Q6_K	6.60GB	false	非常高质量，接近完美，推荐。
KernelLLM-Q5_K_L.gguf	Q5_K_L	6.06GB	false	嵌入和输出权重使用Q8_0。高质量，推荐。
KernelLLM-Q5_K_M.gguf	Q5_K_M	5.73GB	false	高质量，推荐。
KernelLLM-Q5_K_S.gguf	Q5_K_S	5.60GB	false	高质量，推荐。
KernelLLM-Q4_K_L.gguf	Q4_K_L	5.31GB	false	嵌入和输出权重使用Q8_0。质量良好，推荐。
KernelLLM-Q4_1.gguf	Q4_1	5.13GB	false	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。
KernelLLM-Q4_K_M.gguf	Q4_K_M	4.92GB	false	质量良好，是大多数用例的默认大小，推荐。
KernelLLM-Q3_K_XL.gguf	Q3_K_XL	4.78GB	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。
KernelLLM-Q4_K_S.gguf	Q4_K_S	4.69GB	false	质量略低，但节省空间，推荐。
KernelLLM-Q4_0.gguf	Q4_0	4.68GB	false	旧格式，可在线重新打包以用于ARM和AVX CPU推理。
KernelLLM-IQ4_NL.gguf	IQ4_NL	4.68GB	false	与IQ4_XS相似，但略大。可在线重新打包以用于ARM CPU推理。
KernelLLM-IQ4_XS.gguf	IQ4_XS	4.45GB	false	质量不错，比Q4_K_S小且性能相似，推荐。
KernelLLM-Q3_K_L.gguf	Q3_K_L	4.32GB	false	质量较低但可用，适合低内存情况。
KernelLLM-Q3_K_M.gguf	Q3_K_M	4.02GB	false	低质量。
KernelLLM-IQ3_M.gguf	IQ3_M	3.78GB	false	中低质量，新方法，性能与Q3_K_M相当。
KernelLLM-Q2_K_L.gguf	Q2_K_L	3.69GB	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。
KernelLLM-Q3_K_S.gguf	Q3_K_S	3.66GB	false	低质量，不推荐。
KernelLLM-IQ3_XS.gguf	IQ3_XS	3.52GB	false	质量较低，新方法，性能不错，略优于Q3_K_S。
KernelLLM-IQ3_XXS.gguf	IQ3_XXS	3.27GB	false	质量较低，新方法，性能不错，与Q3量化相当。
KernelLLM-Q2_K.gguf	Q2_K	3.18GB	false	质量非常低，但出人意料地可用。
KernelLLM-IQ2_M.gguf	IQ2_M	2.95GB	false	质量相对较低，使用了最先进的技术，出人意料地可用。

📥 使用huggingface-cli下载

点击查看下载说明

首先，确保你已经安装了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/facebook_KernelLLM-GGUF --include "facebook_KernelLLM-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/facebook_KernelLLM-GGUF --include "facebook_KernelLLM-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（facebook_KernelLLM-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，这些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，并且你的硬件可以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，如果你想获得略好的质量，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功能的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%