Gryphe Codex 24B Small 3.2 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/Gryphe_Codex-24B-Small-3.2-GGUF --include "Gryphe_Codex-24B-Small-3.2-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/Gryphe_Codex-24B-Small-3.2-GGUF --include "Gryphe_Codex-24B-Small-3.2-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如Gryphe_Codex-24B-Small-3.2-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在性能上的潜在理论提升。

Artefact2 提供了一篇很棒的文章，带有展示各种性能的图表，点击查看

首先，你需要确定可以运行的模型大小。为此，你需要了解自己拥有的内存（RAM）和/或显存（VRAM）容量。

如果你希望模型尽可能快地运行，你需要将整个模型加载到GPU的显存中。选择文件大小比GPU总显存小1 - 2GB的量化版本。

如果你追求绝对最高质量，可以将系统内存和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-quant”还是“K-quant”。

如果你不想考虑太多，可以选择K-quant。这些量化版本的格式为“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Q4以下的量化版本，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），你应该考虑I-quant。这些量化版本的格式为IQX_X，如IQ3_M。它们是较新的版本，在相同大小下性能更好。

这些I-quant也可以在CPU上使用，但比对应的K-quant慢，因此你需要在速度和性能之间进行权衡。