基础模型：LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct
基础模型关系：微调
许可证类型：其他
许可证名称：exaone
许可证链接：LICENSE
支持语言：

• 英语
• 韩语
  标签：
• lg-ai
• exaone
• exaone-deep
  任务类型：文本生成
  库名称：transformers

EXAONE-Deep-7.8B GGUF模型

采用IQ-DynamicGate技术的超低位量化（1-2比特）

我们最新的量化方法为超低位模型（1-2比特）引入了精度自适应量化技术，在Llama-3-8B上的基准测试中已证实能提升性能。该方法采用分层策略，在保持极致内存效率的同时保障精度。

基准测试背景

所有测试均在Llama-3-8B-Instruct上进行，使用：

• 标准困惑度评估流程
• 2048词元的上下文窗口
• 所有量化版本使用相同的提示集

方法

• 动态精度分配：
  • 前25%和后25%的层 → IQ4_XS（选定层）
  • 中间50%的层 → IQ2_XXS/IQ3_S（提升效率）
• 关键组件保护：
  • 嵌入层和输出层使用Q5_K
  • 相比标准1-2比特量化减少38%的误差传播

量化性能对比（Llama-3-8B）

关键指标说明：

• PPL = 困惑度（越低越好）
• Δ PPL = 相比标准量化的百分比变化
• 速度 = 推理时间（CPU avx2，2048词元上下文）
• 大小差异反映混合量化的开销

主要改进：

• 🔥 IQ1_M 困惑度大幅降低43.9%（27.46 → 15.41）
• 🚀 IQ2_S 困惑度降低36.9%的同时仅增加0.2GB内存
• ⚡ IQ1_S 在1比特量化下仍保持39.7%的更高精度

权衡点：

• 所有变体均有小幅内存增加（0.1-0.3GB）
• 推理速度保持相近（差异<5%）

适用场景

📌 将模型适配到GPU显存中

✔ 内存受限的部署环境

✔ 能容忍1-2比特误差的CPU和边缘设备

✔ 超低位量化的研究

选择合适的模型格式

选择正确的模型格式取决于您的硬件能力和内存限制。

BF16（Brain Float 16）– 如果支持BF16加速时使用

• 专为快速计算设计的16位浮点格式，同时保持良好精度。
• 提供与FP32相似的动态范围，但内存占用更低。
• 如果硬件支持BF16加速时推荐使用（请检查设备规格）。
• 相比FP32，适合高性能推理并减少内存占用。

📌 使用BF16如果：
✔ 您的硬件原生支持BF16（例如较新的GPU、TPU）。
✔ 您需要更高精度同时节省内存。
✔ 您计划将模型重新量化为其他格式。

📌 避免BF16如果：
❌ 您的硬件不支持BF16（可能回退到FP32导致运行变慢）。
❌ 您需要兼容缺乏BF16优化的旧设备。

F16（Float 16）– 比BF16支持更广泛

• 16位浮点格式，精度较高但数值范围比BF16小。
• 支持大多数具有FP16加速的设备（包括许多GPU和部分CPU）。
• 数值精度略低于BF16，但通常足以满足推理需求。

📌 使用F16如果：
✔ 您的硬件支持FP16但不支持BF16。
✔ 您需要在速度、内存占用和准确性之间取得平衡。
✔ 您在GPU或其他针对FP16计算优化的设备上运行。

📌 避免F16如果：
❌ 您的设备缺乏原生FP16支持（可能运行速度低于预期）。
❌ 您有内存限制。

量化模型（Q4_K、Q6_K、Q8等）– 适用于CPU和低显存推理

量化在尽可能保持精度的同时减少模型大小和内存占用。

• 低位模型（Q4_K） → 最小内存占用最佳，但精度可能较低。
• 高位模型（Q6_K、Q8_0） → 精度更高，但需要更多内存。

📌 使用量化模型如果：
✔ 您在CPU上运行推理并需要优化模型。
✔ 您的设备显存较低，无法加载全精度模型。
✔ 您希望减少内存占用同时保持合理精度。

📌 避免量化模型如果：
❌ 您需要最高精度（全精度模型更适合）。
❌ 您的硬件有足够显存支持更高精度格式（BF16/F16）。

超低位量化（IQ3_XS、IQ3_S、IQ3_M、Q4_K、Q4_0）

这些模型针对极致内存效率优化，适合低功耗设备或内存是关键限制的大规模部署。

• IQ3_XS：超低位量化（3比特），极致内存效率。

  • 使用场景：最适合超低内存设备，甚至Q4_K也过大的情况。
  • 权衡：相比高位量化精度较低。

• IQ3_S：小块尺寸，最大化内存效率。

  • 使用场景：最适合低内存设备，而IQ3_XS过于激进时。

• IQ3_M：中等块尺寸，比IQ3_S精度更高。

  • 使用场景：适合低内存设备，而IQ3_S限制过多时。

• Q4_K：4比特量化，采用块优化以提升精度。

  • 使用场景：最适合低内存设备，而Q6_K过大时。

• Q4_0：纯4比特量化，针对ARM设备优化。

  • 使用场景：最适合基于ARM的设备或低内存环境。

模型格式选择摘要表

包含文件及详情

EXAONE-Deep-7.8B-bf16.gguf

• 模型权重以BF16保存。
• 如果您想将模型重新量化为其他格式，请使用此文件。
• 如果您的设备支持BF16加速最佳。

EXAONE-Deep-7.8B-f16.gguf

• 模型权重以F16保存。
• 如果您的设备支持FP16但不支持BF16时使用。

EXAONE-Deep-7.8B-bf16-q8_0.gguf

• 输出和嵌入层保持BF16。
• 其他层量化为Q8_0。
• 如果您的设备支持BF16且需要量化版本时使用。

EXAONE-Deep-7.8B-f16-q8_0.gguf

• 输出和嵌入层保持F16。
• 其他层量化为Q8_0。

EXAONE-Deep-7.8B-q4_k.gguf

• 输出和嵌入层量化为Q8_0。
• 其他层量化为Q4_K。
• 适合内存有限的CPU推理。

EXAONE-Deep-7.8B-q4_k_s.gguf

• 最小的Q4_K变体，以精度为代价减少内存占用。
• 最适合极低内存配置。

EXAONE-Deep-7.8B-q6_k.gguf

• 输出和嵌入层量化为Q8_0。
• 其他层量化为Q6_K。

EXAONE-Deep-7.8B-q8_0.gguf

• 完全Q8量化的模型，精度更高。
• 需要更多内存但提供更高精度。

EXAONE-Deep-7.8B-iq3_xs.gguf

• IQ3_XS量化，针对极致内存效率优化。
• 最适合超低内存设备。

EXAONE-Deep-7.8B-iq3_m.gguf

• IQ3_M量化，提供中等块尺寸以提升精度。
• 适合低内存设备。

EXAONE-Deep-7.8B-q4_0.gguf

• 纯Q4_0量化，针对ARM设备优化。
• 最适合低内存环境。
• 如需更高精度，推荐IQ4_NL。

🚀 如果您觉得这些模型有用

❤ 请点击“点赞”支持！
帮助测试我的AI驱动的网络监控助手，具备量子就绪安全检查：
👉 免费网络监控

💬 测试方法：

1. 点击聊天图标（页面右下角）
2. 选择AI助手类型：
   • TurboLLM（GPT-4-mini）
   • FreeLLM（开源）
   • TestLLM（实验性仅CPU）

测试内容

我正在探索小型开源模型在AI网络监控中的极限，特别是：

• 针对实时网络服务的函数调用
• 模型可以小到什么程度仍能处理：
  • 自动化Nmap扫描
  • 量子就绪检查
  • Metasploit集成

🟡 TestLLM – 当前实验模型