zed-industries_zeta-GGUF开源模型 - 多种量化可选，适配不同硬件高效运行

首页

Zed Industries Zeta GGUF

由 bartowski 开发

这是对zed-industries的zeta模型进行的Llamacpp imatrix量化版本，解决了在不同硬件条件下高效运行模型的问题，提供了多种量化类型供用户选择。

大型语言模型开源协议:Apache-2.0 #高效量化推理 #多硬件适配 #低内存优化

下载量 561

发布时间 : 2/14/2025

模型简介

该项目提供了zeta模型的多种量化版本，旨在平衡模型质量和资源占用，支持在不同硬件环境下高效运行。

模型特点

多种量化类型

提供了丰富的量化类型，如f16、Q8_0、Q6_K_L等，满足不同用户对模型质量和资源占用的需求。

在线重打包

部分量化版本支持在线重打包功能，可自动优化权重以提高在ARM和AVX机器上的性能。

详细文档

提供了下载说明、ARM/AVX信息以及选择合适量化文件的建议，方便用户使用。

模型能力

文本生成

高效推理

多硬件支持

使用案例

文本生成

基础文本生成

使用LM Studio或llama.cpp运行模型进行文本生成。

🚀 zed-industries的zeta模型Llamacpp imatrix量化版本

本项目是对zed-industries的zeta模型进行的Llamacpp imatrix量化版本。主要解决了在不同硬件条件下高效运行模型的问题，提供了多种量化类型供用户根据自身需求选择，以平衡模型质量和资源占用。

🚀 快速开始

使用 llama.cpp 版本 b4688 进行量化。原始模型地址：https://huggingface.co/zed-industries/zeta 所有量化版本均使用imatrix选项，并采用来自此处的数据集。

你可以在 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

多种量化类型：提供了丰富的量化类型，如f16、Q8_0、Q6_K_L等，满足不同用户对模型质量和资源占用的需求。
在线重打包：部分量化版本支持在线重打包功能，可自动优化权重以提高在ARM和AVX机器上的性能。
详细文档：提供了下载说明、ARM/AVX信息以及选择合适量化文件的建议，方便用户使用。

📦 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，你可以指定要下载的特定文件：

huggingface-cli download bartowski/zed-industries_zeta-GGUF --include "zed-industries_zeta-Q4_K_M.gguf" --local-dir ./

如果模型大小超过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/zed-industries_zeta-GGUF --include "zed-industries_zeta-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如zed-industries_zeta-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

在LM Studio中运行模型：

打开LM Studio。
导入相应的量化模型文件（如zed-industries_zeta-Q4_K_M.gguf）。
开始使用模型进行文本生成。

高级用法

使用llama.cpp直接运行模型：

# 假设你已经下载了相应的量化模型文件
./main -m zed-industries_zeta-Q4_K_M.gguf -p "你的输入文本"

📚 详细文档

提示格式

未找到提示格式，请查看原始模型页面。

下载文件

文件名	量化类型	文件大小	分割情况	描述
zeta-f16.gguf	f16	15.24GB	false	完整的F16权重。
zeta-Q8_0.gguf	Q8_0	8.10GB	false	极高质量，通常不需要，但为最大可用量化。
zeta-Q6_K_L.gguf	Q6_K_L	6.52GB	false	嵌入和输出权重使用Q8_0。非常高质量，接近完美，推荐。
zeta-Q6_K.gguf	Q6_K	6.25GB	false	非常高质量，接近完美，推荐。
zeta-Q5_K_L.gguf	Q5_K_L	5.78GB	false	嵌入和输出权重使用Q8_0。高质量，推荐。
zeta-Q5_K_M.gguf	Q5_K_M	5.44GB	false	高质量，推荐。
zeta-Q5_K_S.gguf	Q5_K_S	5.32GB	false	高质量，推荐。
zeta-Q4_K_L.gguf	Q4_K_L	5.09GB	false	嵌入和输出权重使用Q8_0。质量良好，推荐。
zeta-Q4_1.gguf	Q4_1	4.87GB	false	旧格式，性能与Q4_K_S相似，但在Apple硅芯片上的每瓦令牌数有所提高。
zeta-Q4_K_M.gguf	Q4_K_M	4.68GB	false	质量良好，是大多数用例的默认大小，推荐。
zeta-Q3_K_XL.gguf	Q3_K_XL	4.57GB	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。
zeta-Q4_K_S.gguf	Q4_K_S	4.46GB	false	质量略低，但节省空间，推荐。
zeta-Q4_0.gguf	Q4_0	4.44GB	false	旧格式，可在线重新打包以用于ARM和AVX CPU推理。
zeta-IQ4_NL.gguf	IQ4_NL	4.44GB	false	与IQ4_XS相似，但略大。可在线重新打包以用于ARM CPU推理。
zeta-IQ4_XS.gguf	IQ4_XS	4.22GB	false	质量不错，比Q4_K_S小，性能相似，推荐。
zeta-Q3_K_L.gguf	Q3_K_L	4.09GB	false	质量较低但可用，适合低内存情况。
zeta-Q3_K_M.gguf	Q3_K_M	3.81GB	false	质量低。
zeta-IQ3_M.gguf	IQ3_M	3.57GB	false	中低质量，新方法，性能与Q3_K_M相当。
zeta-Q2_K_L.gguf	Q2_K_L	3.55GB	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。
zeta-Q3_K_S.gguf	Q3_K_S	3.49GB	false	质量低，不推荐。
zeta-IQ3_XS.gguf	IQ3_XS	3.35GB	false	质量较低，新方法，性能不错，略优于Q3_K_S。
zeta-IQ3_XXS.gguf	IQ3_XXS	3.11GB	false	质量较低，新方法，性能不错，与Q3量化相当。
zeta-Q2_K.gguf	Q2_K	3.02GB	false	质量非常低，但出人意料地可用。
zeta-IQ2_M.gguf	IQ2_M	2.78GB	false	质量相对较低，使用了最先进的技术，出人意料地可用。

嵌入/输出权重

部分量化版本（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，并且你的硬件能从重新打包权重中受益，它会自动实时进行处理。

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，感谢此PR，它也会为ARM重新打包权重，不过目前仅适用于4_4。加载时间可能会较慢，但总体速度会提高。

选择哪个文件？

Artefact2 在此处提供了一份很棒的文档，带有展示各种性能的图表。

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，你需要将整个模型装入GPU的显存中。选择一个文件大小比GPU总显存小1 - 2GB的量化版本。

如果你追求绝对最高质量，将系统内存和GPU显存相加，然后选择一个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，选择一个K量化版本。这些版本的格式为“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量化版本。这些版本的格式为IQX_X，如IQ3_M。它们是较新的版本，在相同大小下提供更好的性能。

这些I量化版本也可以在CPU和Apple Metal上使用，但比相应的K量化版本慢，所以你需要在速度和性能之间做出权衡。

I量化版本不与Vulcan兼容，Vulcan也是AMD的，所以如果你有AMD显卡，请仔细检查你使用的是rocBLAS版本还是Vulcan版本。在撰写本文时，LM Studio有一个支持ROCm的预览版，其他推理引擎也有针对ROCm的特定版本。

🔧 技术细节

Q4_0_X_X信息（已弃用）

保留此部分是为了展示使用带有在线重新打包功能的Q4_0在理论上可能的性能提升。

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%