Qwen2 VL 7B Instruct GGUF

由 XelotX 开发

基于Qwen2-VL-7B-Instruct的多模态模型量化版本，支持图像文本到文本任务，适用于多种量化级别。

图像生成文本

英语

开源协议:Apache-2.0 #多模态视觉问答 #高效量化推理 #低资源部署

下载量 201

发布时间 : 1/16/2025

模型介绍

内容详情

替代品

模型简介

这是一个经过量化的多模态模型，能够处理图像和文本输入，生成文本输出。适用于需要视觉理解和文本生成结合的应用场景。

模型特点

多模态支持

能够同时处理图像和文本输入，生成相关的文本输出。

多种量化级别

提供从f16到Q2_K的多种量化版本，满足不同硬件和性能需求。

高质量推理

部分量化版本（如Q6_K_L）接近原始模型性能，推荐用于高质量推理。

ARM/AVX优化

支持ARM和AVX设备的在线重新打包，优化推理性能。

模型能力

图像描述生成

多模态对话

视觉问答

文本生成

使用案例

图像理解

图像描述

输入一张图片，生成对该图片的详细描述。

生成准确且详细的图像描述文本。

多模态对话

视觉问答

结合图像和文本问题，生成准确的回答。

能够理解图像内容并回答相关问题。

量化者：bartowski
流水线标签：图像文本到文本
语言：英语
许可证：Apache-2.0
基础模型：Qwen/Qwen2-VL-7B-Instruct
标签：多模态

Qwen2-VL-7B-Instruct的Llamacpp imatrix量化版本

使用llama.cpp发布的b4327版本进行量化。

原始模型：https://huggingface.co/Qwen/Qwen2-VL-7B-Instruct

所有量化版本均采用imatrix选项，数据集来自此处。

如何运行

由于这是一个新的视觉模型，本次将提供特殊说明：

如果已在本地构建llama.cpp，请运行以下命令：

./llama-qwen2vl-cli -m /models/Qwen2-VL-7B-Instruct-Q4_0.gguf --mmproj /models/mmproj-Qwen2-VL-7B-Instruct-f32.gguf -p '描述这张图片。' --image '/models/test_image.jpg'

模型将输出答案。操作非常简单，与其他llava模型类似，只需确保使用正确的二进制文件即可！

提示格式

<|im_start|>system  
{系统提示}<|im_end|>  
<|im_start|>user  
{用户提示}<|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	是否分割	描述
Qwen2-VL-7B-Instruct-f16.gguf	f16	15.24GB	否	完整的F16权重。
Qwen2-VL-7B-Instruct-Q8_0.gguf	Q8_0	8.10GB	否	极高品质，通常无需但为最大可用量化。
Qwen2-VL-7B-Instruct-Q6_K_L.gguf	Q6_K_L	6.52GB	否	嵌入和输出权重使用Q8_0。极高质量，接近完美，推荐。
Qwen2-VL-7B-Instruct-Q6_K.gguf	Q6_K	6.25GB	否	极高质量，接近完美，推荐。
Qwen2-VL-7B-Instruct-Q5_K_L.gguf	Q5_K_L	5.78GB	否	嵌入和输出权重使用Q8_0。高质量，推荐。
Qwen2-VL-7B-Instruct-Q5_K_M.gguf	Q5_K_M	5.44GB	否	高质量，推荐。
Qwen2-VL-7B-Instruct-Q5_K_S.gguf	Q5_K_S	5.32GB	否	高质量，推荐。
Qwen2-VL-7B-Instruct-Q4_K_L.gguf	Q4_K_L	5.09GB	否	嵌入和输出权重使用Q8_0。良好质量，推荐。
Qwen2-VL-7B-Instruct-Q4_K_M.gguf	Q4_K_M	4.68GB	否	良好质量，适用于大多数场景的默认大小，推荐。
Qwen2-VL-7B-Instruct-Q3_K_XL.gguf	Q3_K_XL	4.57GB	否	嵌入和输出权重使用Q8_0。质量较低但可用，适合内存有限的设备。
Qwen2-VL-7B-Instruct-Q4_K_S.gguf	Q4_K_S	4.46GB	否	质量稍低但节省更多空间，推荐。
Qwen2-VL-7B-Instruct-Q4_0.gguf	Q4_0	4.44GB	否	传统格式，支持ARM和AVX CPU推理的在线重新打包。
Qwen2-VL-7B-Instruct-IQ4_NL.gguf	IQ4_NL	4.44GB	否	类似IQ4_XS，但稍大。支持ARM CPU推理的在线重新打包。
Qwen2-VL-7B-Instruct-IQ4_XS.gguf	IQ4_XS	4.22GB	否	质量尚可，比Q4_K_S更小但性能相似，推荐。
Qwen2-VL-7B-Instruct-Q3_K_L.gguf	Q3_K_L	4.09GB	否	质量较低但可用，适合内存有限的设备。
Qwen2-VL-7B-Instruct-Q3_K_M.gguf	Q3_K_M	3.81GB	否	质量较低。
Qwen2-VL-7B-Instruct-IQ3_M.gguf	IQ3_M	3.57GB	否	中等偏低质量，新方法性能尚可，与Q3_K_M相当。
Qwen2-VL-7B-Instruct-Q2_K_L.gguf	Q2_K_L	3.55GB	否	嵌入和输出权重使用Q8_0。质量非常低但出奇地可用。
Qwen2-VL-7B-Instruct-Q3_K_S.gguf	Q3_K_S	3.49GB	否	质量较低，不推荐。
Qwen2-VL-7B-Instruct-IQ3_XS.gguf	IQ3_XS	3.35GB	否	质量较低，新方法性能尚可，略优于Q3_K_S。
Qwen2-VL-7B-Instruct-Q2_K.gguf	Q2_K	3.02GB	否	质量非常低但出奇地可用。
Qwen2-VL-7B-Instruct-IQ2_M.gguf	IQ2_M	2.78GB	否	质量相对较低，采用SOTA技术，出奇地可用。

嵌入/输出权重

部分量化版本（如Q3_K_XL、Q4_K_L等）为标准量化方法，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，可以指定下载目标文件：

huggingface-cli download bartowski/Qwen2-VL-7B-Instruct-GGUF --include "Qwen2-VL-7B-Instruct-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，请运行：

huggingface-cli download bartowski/Qwen2-VL-7B-Instruct-GGUF --include "Qwen2-VL-7B-Instruct-Q8_0/*" --local-dir ./

可以指定新的本地目录（如Qwen2-VL-7B-Instruct-Q8_0）或直接下载到当前目录（./）。

ARM/AVX信息

以往，用户会下载Q4_0_4_4/4_8/8_8等文件，这些文件会在内存中交错权重以提高ARM和AVX设备的性能，通过单次加载更多数据实现。

但现在，权重支持“在线重新打包”。详情参见此PR。如果使用Q4_0且硬件支持重新打包，系统将自动执行此操作。

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

此外，若希望获得略高质量，可使用IQ4_NL（基于此PR），该量化也支持ARM权重重新打包（目前仅4_4）。加载时间可能较长，但整体速度会提升。

点击查看Q4_0

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