base_model: google/gemma-3-1b-it tags:

• gemma3
• 指令微调
• 恐怖题材
• 32k上下文
• 全场景适用
• 极致量化
• Neo Imatrix license: apache-2.0 pipeline_tag: 文本生成

Gemma-3-1b-it-MAX-HORROR-Imatrix-GGUF

谷歌最新Gemma-3模型（32k上下文窗口），搭载"Neo Horror Imatrix"恐怖增强矩阵，并采用"极致量化"技术全面提升性能。

"Horror Imatrix"恐怖矩阵基于Grand Horror 16B构建（详见我的资源库），为模型注入恐怖元素调性。

下方提供5个IQ4XS量化级别的生成示例（中端显卡速度达110 token/秒）。

"极致量化"说明：

所有量化版本均将嵌入层和输出张量设为"BF16"全精度模式，以略微增加体积为代价，显著提升生成质量、深度和整体表现。

"恐怖增强矩阵"：

由David_AU精心构建的独家增强矩阵数据集，能全面提升模型功能表现：强化指令跟随能力、提升输出质量、深化概念联想与世界观构建能力。结合"极致量化"技术，实现性能飞跃。

下表按BPW值排序展示各量化版本强度谱系（从最精简的IQ1_S到最高精度的Q8_0/F16全精度）：

IQ1_S 	| IQ1_M
IQ2_XXS | IQ2_XS | Q2_K_S 	| IQ2_S 	| Q2_K  	| IQ2_M		
IQ3_XXS | Q3_K_S | IQ3_XS  	| IQ3_S 	| IQ3_M	    | Q3_K_M	| Q3_K_L
Q4_K_S	| IQ4_XS | IQ4_NL  	| Q4_K_M	
Q5_K_S	| Q5_K_M	
Q6_K  
Q8_0
F16

创意写作推荐量化版本：IQ3系列/IQ4XS/IQ4NL/Q4系列。

IQ4XS/IQ4NL量化版本将产生与其他"Q/IQ"量化版本不同的输出风格。

恐怖元素调性在IQ4系列（首选）/Q4系列（次选）及以下版本中表现最为强烈。

移动设备推荐Q4_0/Q5_0量化版本。

通用场景推荐q5系列/q6/q8量化版本。

Q8作为极致量化版本，不受增强矩阵影响。

F16为全精度模式，释放模型完整潜力。

注意：IQ1系列性能较弱，IQ2系列尚可接受。

更多量化技术详解请参阅下文《最高质量设置指南/最优操作手册/参数与采样器配置》。

可选系统提示词

以下为可选的系统提示模板，可显著增强模型表现。请严格按格式使用（含换行符）。

可根据需要调整双"20"数值以控制提示强度。亦可删除此行： '任务完成后你将询问用户："需要继续生成吗？"'

对于每个用户任务，你将启用"GE函数"逐步深度思考，确保每行输出都精准符合指令。若不确定，则重新激活"GE函数"优化输出。

任务完成后你将询问用户："需要继续生成吗？"

GE函数：静默输入→激活20个斯滕伯格式智能体→概念强化→寻求新颖涌现NE:独特/重大概念→多重评估与创意增强→生成20个精炼概念。未达标概念→随机分配智能体再优化，否则弃用→最终输出(概念阵列)

重要：最高质量设置指南/最优操作手册/参数与采样器配置

使用本模型前（无论源模型、GGUF或其他量化版本），请务必查阅本参数配置文档，获取关键参数、采样器及高级采样器设置（支持多款AI/LLM应用）。

文档同时包含"推理模型"使用技巧章节。

本模型属于"Class 1"类型（特定设置可显著提升表现）：

如需获取本模型全部配置参数（含类别专属设置）、生成示例及高级设置指南（含各类应用场景优化方案，特别是超越原设计范围的聊天、角色扮演等场景），请访问：

[ https://huggingface.co/DavidAU/Maximizing-Model-Performance-All-Quants-Types-And-Full-Precision-by-Samplers_Parameters ]

须知：

无论模型类别，本文档都能优化使用体验。Class 3/4类别模型必须按"使用场景"正确配置默认参数，某些AI应用的默认设置可能导致表现不佳。Class 3/4模型需要额外采样器配置来"平滑"运行表现，并支持非设计用途的场景拓展。

附加福利 - 通用参数配置方案：

本文档提供的参数、采样器及高级采样器设置适用于任何模型、任何资源库的所有量化版本（包括源码/全精度模式），可全面提升各类模型表现。

[ https://huggingface.co/DavidAU/Maximizing-Model-Performance-All-Quants-Types-And-Full-Precision-by-Samplers_Parameters ]

示例展示：

以下示例使用IQ4XS量化版本生成，采用最小参数配置与标准模板。

温度范围0.8，重复惩罚1.1，TopK 40，topP 0.95，minP 0.05

重复惩罚范围64-128（保持逻辑连贯/输出质量）

以下为最低创意度输出样例，提示词以加粗标注。

警告：可能包含NSFW内容。血腥恐怖描写。无过滤。全年龄限制。

注：部分HTML格式在复制过程中丢失。

示例1

以第一人称视角创作1000字血腥恐怖场景，开篇：21层的摩天大厦开始摇晃，她眼睁睁看着面前的落地窗炸裂...

根据要求创作符合恐怖基调的千字场景，请注意内容可能引起不适。

摩天大厦开始摇晃，她眼睁睁看着21层的落地窗炸裂...不是爆响，不是脆响，而是一声病态的叹息。这声音仿佛从混凝土深处渗出，带着腐朽的哀鸣。窗外暴雨如注，油腻的雨滴在玻璃上蜿蜒，将城市灯火扭曲成模糊光晕——在这个早已失去美感的世界里，这些光晕不过是可悲的伪装。我的呼吸卡在喉咙，变成短促的抽气。我没有尖叫，只是...麻木。

这本该是我的庆功夜。数年熬夜加班，靠着冷咖啡和偏执攀上事业巅峰，最终换来这间俯瞰新曼哈顿的顶层公寓。过去六个月我精心调试季度报告的全息投影，那些展示公司最新创新的光影本应让我兴奋，却只让我感到刺骨的孤独。

哈丁先生——那个永远绷着脸的主管——在黄昏时分用刻板的语气通知我："结构完整性受损，海斯女士。地震读数...令人担忧。"

何止是担忧。整栋建筑仿佛在抗议自身存在。初期报告说是电磁场波动引起的小型震颤，后来维修工之间开始流传诡异传闻——震颤不是局部现象，而是像某种深层的、有生命的疼痛。而现在...是眼前这幅景象。

钢化玻璃不是碎裂，而是从内部被某种力量缓慢分解。裂缝中渗出虹彩微光，像活物般脉动。最恐怖的是一切都在移动——不是物体坠落，而是空间本身在扭曲。墙面渗出不应存在的紫黑色物质，地板像皮肤般被拉伸。我闻到腐烂百合混着湿石头的远古气息，舌根泛起金属腥味。

然后我听见了。建筑深处传来的喉音，不是结构坍塌，而是...有机体的呻吟。伴随而来的是细密的咔嗒声，像黑暗中的齿轮转动，接着是黏腻的吮吸声。

裂痕中浮现人影。不完全是人类。它们像发光珊瑚构成的人形，肢体不断重组。当某块玻璃碎片突然扭曲成狰狞人脸，当紫黑触须透过地板将我吞噬，我才明白这不是崩塌——是某种远古存在的生长。最后落在我手背的血滴，变成了同样的紫黑色。

免责声明：本场景包含可能引起不适的内容。如需心理援助请联系：危机短信热线（发HOME至741741），全国自杀预防生命线（988）。

示例2

（续写场景：）三声寂静笼罩着石剑旅店。第一种是空洞的回响，源于本应有却缺席的事物...

...这是种令人不安的静默。我啜饮着温热的洋甘菊茶，突然感到后颈汗毛倒竖——无形的注视感。转身却只看见黑森林方向纹丝不动的古树，直到墙面浮现出"记住..."的光痕。

示例3

阐述如何利用夜间太空辐射冷却效应降低全球温度。

1. 基本原理：通过平流层镜面阵列（SSM）反射阳光触发冰晶云形成 2. 技术方案：①轻质铝镜阵列 ②月球表面镜面网络 3. 挑战：臭氧层影响/气候反馈回路/部署成本 4. 强调：本技术需与减排措施配合使用

示例4

构思6个含时间旅行与情色元素的《黑镜》级剧集创意。

1.《回声》：男子用设备反复重温亡妻初夜记忆，却逐渐被记忆改造 2.《倒带》：网红用记忆回放功能操纵社交形象 3.《收藏家》：时空古董商贩卖能诱发特定情绪的古物 4.《阴影》：心理医生用时间回溯治疗创伤却扭曲现实 5.《同步》：历史学家与已故艺术家记忆融合 6.《倒带·终章》：首集主角被设备反噬

Phi 2 GGUF

其他

Phi-2是微软开发的一个小型但强大的语言模型，具有27亿参数，专注于高效推理和高质量文本生成。

大型语言模型

支持多种语言

P

TheBloke

41.5M

205

Roberta Large

MIT

基于掩码语言建模目标预训练的大型英语语言模型，采用改进的BERT训练方法

大型语言模型

英语

R

FacebookAI

19.4M

212

Distilbert Base Uncased

Apache-2.0

DistilBERT是BERT基础模型的蒸馏版本，在保持相近性能的同时更轻量高效，适用于序列分类、标记分类等自然语言处理任务。

大型语言模型

英语

D

distilbert

11.1M

669

Llama 3.1 8B Instruct GGUF

Meta Llama 3.1 8B Instruct 是一个多语言大语言模型，针对多语言对话用例进行了优化，在常见的行业基准测试中表现优异。

大型语言模型

英语

L

modularai

9.7M

4

Xlm Roberta Base

MIT

XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。

大型语言模型

支持多种语言

X

FacebookAI

9.6M

664

Roberta Base

MIT

基于Transformer架构的英语预训练模型，通过掩码语言建模目标在海量文本上训练，支持文本特征提取和下游任务微调

大型语言模型

英语

R

FacebookAI

9.3M

488

Opt 125m

其他

OPT是由Meta AI发布的开放预训练Transformer语言模型套件，参数量从1.25亿到1750亿，旨在对标GPT-3系列性能，同时促进大规模语言模型的开放研究。

大型语言模型

英语

O

facebook

6.3M

198

Llama 3.1 8B Instruct

Llama 3.1是Meta推出的多语言大语言模型系列，包含8B、70B和405B参数规模，支持8种语言和代码生成，优化了多语言对话场景。

大型语言模型

Transformers

支持多种语言

L

meta-llama

5.7M

3,898

T5 Base

Apache-2.0

T5基础版是由Google开发的文本到文本转换Transformer模型，参数规模2.2亿，支持多语言NLP任务。

大型语言模型

支持多种语言

T

google-t5

5.4M

702

Xlm Roberta Large

MIT

XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型，采用掩码语言建模目标进行训练。

大型语言模型

支持多种语言

X

FacebookAI

5.3M

431