Delta Vector Austral 24B Winton GGUF

🚀 Delta-Vector的Austral-24B-Winton的Llamacpp imatrix量化版本

本项目是Delta-Vector的Austral-24B-Winton模型的量化版本，使用特定工具和方法对原模型进行量化处理，以满足不同场景下的使用需求，如在不同硬件配置上高效运行等。

🚀 快速开始

本量化版本使用 llama.cpp 发布版本 b5669 进行量化。

• 原模型地址：https://huggingface.co/Delta-Vector/Austral-24B-Winton
• 所有量化模型均使用imatrix选项，并采用来自 此处 的数据集。

可以在 LM Studio 中运行这些量化模型，也可以直接使用 llama.cpp 或任何基于llama.cpp的项目来运行。

✨ 主要特性

• 多量化类型：提供了多种不同的量化类型，如bf16、Q8_0、Q6_K_L等，以满足不同的质量和性能需求。
• 在线重打包：部分量化类型支持在线重打包，可根据硬件自动优化性能。
• 不同使用场景适配：针对不同的硬件配置和使用需求，提供了详细的选择建议。

📦 安装指南

使用huggingface-cli下载

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以根据需要下载特定的文件：

huggingface-cli download bartowski/Delta-Vector_Austral-24B-Winton-GGUF --include "Delta-Vector_Austral-24B-Winton-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它会被拆分为多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Delta-Vector_Austral-24B-Winton-GGUF --include "Delta-Vector_Austral-24B-Winton-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（Delta-Vector_Austral-24B-Winton-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

基础用法

本模型的提示格式如下：

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

由于未指定聊天模板，因此使用默认模板。这可能不正确，请查看原模型卡片以获取详细信息。

高级用法

在选择具体的量化文件时，可参考以下建议： 首先，确定你能够运行的模型大小，这需要考虑你拥有的RAM和/或VRAM的容量。

• 如果你希望模型运行得尽可能快，应选择文件大小比GPU总VRAM小1 - 2GB的量化版本，以将整个模型加载到GPU的VRAM中。
• 如果你追求绝对的最高质量，可以将系统RAM和GPU的VRAM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”：

• 如果你不想过多考虑，建议选择K - 量化，其格式为“QX_K_X”，例如Q5_K_M。
• 如果你想深入了解，可以查看 llama.cpp特性矩阵。一般来说，如果你希望使用低于Q4的量化版本，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），则应考虑I - 量化，其格式为IQX_X，例如IQ3_M。这些I - 量化版本较新，在相同大小下性能更好，但在CPU上使用时会比K - 量化版本慢，因此需要在速度和性能之间进行权衡。

📚 详细文档

下载文件选择

嵌入/输出权重

部分量化版本（如Q3_K_XL、Q4_K_L等）采用了标准量化方法，但将嵌入和输出权重量化为Q8_0，而不是通常的默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8，这些版本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，如果你希望获得略高的质量，可以使用IQ4_NL，这得益于 此PR，它也会为ARM重新打包权重，但目前仅适用于4_4。加载时间可能会较慢，但总体速度会提高。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw启发进行嵌入/输出实验。 感谢LM Studio赞助我的工作。

如果你想支持我的工作，请访问我的ko - fi页面：https://ko-fi.com/bartowski

📄 许可证

本项目采用Apache - 2.0许可证。