Ozone Ai 0x Lite GGUF

由 bartowski 开发

基于ozone-ai/0x-lite模型的量化版本，支持中英文文本生成任务，采用llama.cpp进行imatrix量化，提供多种量化选项以适应不同硬件需求。

大型语言模型

支持多种语言

开源协议:Apache-2.0 #多语言对话 #高效量化 #轻量部署

下载量 220

发布时间 : 2/16/2025

模型介绍

内容详情

替代品

模型简介

这是一个经过量化的文本生成模型，支持中英文，适用于各种自然语言处理任务。模型经过优化，可在不同硬件配置上高效运行。

模型特点

多重量化选项

提供从F16到IQ2_S等多种量化版本，满足不同硬件配置和性能需求。

imatrix量化技术

使用llama.cpp的imatrix选项进行量化，优化模型性能。

跨平台支持

可在LM Studio、llama.cpp及基于llama.cpp的项目中运行。

中英文支持

特别优化对中英文文本生成任务的支持。

模型能力

文本生成

自然语言理解

多轮对话

使用案例

对话系统

智能客服

用于构建自动回复客户问题的对话系统。

内容创作

文章生成

辅助创作各种类型的中英文文章。

量化者：bartowski
任务类型：文本生成
许可证：Apache-2.0
基础模型：ozone-ai/0x-lite
支持语言：

英文
中文
训练数据集：
lmsys/lmsys-chat-1m

臭氧AI 0x-lite模型的Llamacpp imatrix量化版本

使用llama.cpp发布的b4688版本进行量化。

原始模型：https://huggingface.co/ozone-ai/0x-lite

所有量化均采用imatrix选项，数据集来自此处

可在LM Studio中运行

也可直接通过llama.cpp或任何基于llama.cpp的项目运行

提示词格式

<|im_start|>system  
{系统提示}<|im_end|>  
<|im_start|>user  
{用户输入}<|im_end|>  
<|im_start|>assistant

从下方下载单个文件（非整个分支）：

文件名	量化类型	文件大小	是否分片	描述
0x-lite-f16.gguf	f16	29.55GB	否	完整的F16权重。
0x-lite-Q8_0.gguf	Q8_0	15.70GB	否	极高品质，通常不需要，但为最高可用量化。
0x-lite-Q6_K_L.gguf	Q6_K_L	12.50GB	否	嵌入和输出权重使用Q8_0。极高质量，近乎完美，推荐。
0x-lite-Q6_K.gguf	Q6_K	12.12GB	否	极高质量，近乎完美，推荐。
0x-lite-Q5_K_L.gguf	Q5_K_L	10.99GB	否	嵌入和输出权重使用Q8_0。高质量，推荐。
0x-lite-Q5_K_M.gguf	Q5_K_M	10.51GB	否	高质量，推荐。
0x-lite-Q5_K_S.gguf	Q5_K_S	10.27GB	否	高质量，推荐。
0x-lite-Q4_K_L.gguf	Q4_K_L	9.57GB	否	嵌入和输出权重使用Q8_0。良好质量，推荐。
0x-lite-Q4_1.gguf	Q4_1	9.39GB	否	传统格式，性能类似Q4_K_S，但在苹果芯片上每瓦特生成的token数有所提升。
0x-lite-Q4_K_M.gguf	Q4_K_M	8.99GB	否	良好质量，大多数用例的默认选择，推荐。
0x-lite-Q3_K_XL.gguf	Q3_K_XL	8.61GB	否	嵌入和输出权重使用Q8_0。质量较低但可用，适合内存有限的场景。
0x-lite-Q4_K_S.gguf	Q4_K_S	8.57GB	否	质量略低但节省更多空间，推荐。
0x-lite-IQ4_NL.gguf	IQ4_NL	8.55GB	否	类似IQ4_XS，但稍大。支持ARM CPU推理时的在线重打包。
0x-lite-Q4_0.gguf	Q4_0	8.54GB	否	传统格式，支持ARM和AVX CPU推理时的在线重打包。
0x-lite-IQ4_XS.gguf	IQ4_XS	8.12GB	否	质量尚可，比Q4_K_S更小且性能相近，推荐。
0x-lite-Q3_K_L.gguf	Q3_K_L	7.92GB	否	质量较低但可用，适合内存有限的场景。
0x-lite-Q3_K_M.gguf	Q3_K_M	7.34GB	否	质量较低。
0x-lite-IQ3_M.gguf	IQ3_M	6.92GB	否	中低质量，新方法，性能与Q3_K_M相当。
0x-lite-Q3_K_S.gguf	Q3_K_S	6.66GB	否	质量较低，不推荐。
0x-lite-Q2_K_L.gguf	Q2_K_L	6.53GB	否	嵌入和输出权重使用Q8_0。质量非常低但出人意料地可用。
0x-lite-IQ3_XS.gguf	IQ3_XS	6.38GB	否	质量较低，新方法，性能尚可，略优于Q3_K_S。
0x-lite-IQ3_XXS.gguf	IQ3_XXS	5.95GB	否	质量较低，新方法，性能尚可，与Q3量化相当。
0x-lite-Q2_K.gguf	Q2_K	5.77GB	否	质量非常低但出人意料地可用。
0x-lite-IQ2_M.gguf	IQ2_M	5.36GB	否	质量相对较低，采用SOTA技术，出人意料地可用。
0x-lite-IQ2_S.gguf	IQ2_S	5.00GB	否	质量较低，采用SOTA技术，可用。

嵌入/输出权重

部分量化（如Q3_K_XL、Q4_K_L等）采用标准量化方法，但嵌入和输出权重被量化为Q8_0而非默认值。

使用huggingface-cli下载

点击查看下载说明

首先，确保已安装huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，可以指定要下载的具体文件：

huggingface-cli download bartowski/ozone-ai_0x-lite-GGUF --include "ozone-ai_0x-lite-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，将被分割为多个文件。要下载所有文件到本地文件夹，运行：

huggingface-cli download bartowski/ozone-ai_0x-lite-GGUF --include "ozone-ai_0x-lite-Q8_0/*" --local-dir ./

可以指定新的本地目录（如ozone-ai_0x-lite-Q8_0）或直接下载到当前目录（./）。

ARM/AVX相关信息

过去，用户会下载Q4_0_4_4/4_8/8_8等文件，这些文件的内存权重会被交错排列，以提高ARM和AVX机器的性能，通过单次加载更多数据。

但现在，有一种称为“在线重打包”的技术，详情见此PR。如果使用Q4_0且硬件支持重打包权重，它将自动在运行时完成。

从llama.cpp构建版本b4282开始，无法运行Q4_0_X_X文件，需改用Q4_0。

此外，如果想

精选推荐AI模型

Llama 3 Typhoon V1.5x 8b Instruct

专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务

Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。

Roberta Base Chinese Extractive Qa

基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。

AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。

简体中文

热门模型

Llama 3 Typhoon V1.5x 8b Instruct

Cadet Tiny

Roberta Base Chinese Extractive Qa

热门模型分类

热门标签