Open Thoughts OpenThinker2 7B GGUF

由 bartowski 开发

OpenThinker2-7B的量化版本，使用llama.cpp进行量化，适用于文本生成任务。

大型语言模型开源协议:Apache-2.0 #多级量化选项 #高效推理优化 #多平台兼容

下载量 1,023

发布时间 : 4/5/2025

模型介绍

内容详情

替代品

模型简介

OpenThinker2-7B是一个基于llama.cpp量化的文本生成模型，支持多种量化类型，适用于不同硬件环境。

模型特点

多种量化选项

提供从BF16到Q2_K的多种量化类型，适用于不同硬件和性能需求。

高质量量化

部分量化类型（如Q6_K_L、Q5_K_M）保持极高质量，接近原始模型性能。

ARM/AVX优化

支持ARM和AVX设备的在线重打包，提升推理性能。

模型能力

文本生成

多轮对话

系统提示支持

使用案例

对话系统

智能助手

用于构建智能对话助手，支持多轮交互。

内容生成

文本创作

生成文章、故事或其他创意文本。

量化者：bartowski
流水线标签：文本生成
许可证：apache-2.0
标签：

llama-factory
完整版
训练生成
基础模型：open-thoughts/OpenThinker2-7B
数据集：
open-thoughts/OpenThoughts2-1M
基础模型关系：量化
模型索引：
名称：OpenThinker2-7B
结果：[]

OpenThinker2-7B的Llamacpp imatrix量化版本（由open-thoughts提供）

使用llama.cpp发布的b5035进行量化。

原始模型：https://huggingface.co/open-thoughts/OpenThinker2-7B

所有量化均使用imatrix选项，数据集来自此处

在LM Studio中运行
或直接使用llama.cpp或其他基于llama.cpp的项目运行

提示格式

<|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	是否分割	描述
OpenThinker2-7B-bf16.gguf	bf16	15.24GB	否	完整的BF16权重。
OpenThinker2-7B-Q8_0.gguf	Q8_0	8.10GB	否	极高品质，通常无需但为最高可用量化。
OpenThinker2-7B-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。
OpenThinker2-7B-Q6_K.gguf	Q6_K	6.25GB	否	极高质量，接近完美，推荐。
OpenThinker2-7B-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。
OpenThinker2-7B-Q5_K_M.gguf	Q5_K_M	5.44GB	否	高质量，推荐。
OpenThinker2-7B-Q5_K_S.gguf	Q5_K_S	5.32GB	否	高质量，推荐。
OpenThinker2-7B-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。
OpenThinker2-7B-Q4_1.gguf	Q4_1	4.87GB	否	传统格式，性能类似Q4_K_S，但在Apple芯片上每瓦特生成更多令牌。
OpenThinker2-7B-Q4_K_M.gguf	Q4_K_M	4.68GB	否	良好质量，大多数用例的默认大小，推荐。
OpenThinker2-7B-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，适合内存有限的情况。
OpenThinker2-7B-Q4_K_S.gguf	Q4_K_S	4.46GB	否	质量稍低但节省更多空间，推荐。
OpenThinker2-7B-Q4_0.gguf	Q4_0	4.44GB	否	传统格式，支持ARM和AVX CPU推理的在线重打包。
OpenThinker2-7B-IQ4_NL.gguf	IQ4_NL	4.44GB	否	类似IQ4_XS，但稍大。支持ARM CPU推理的在线重打包。
OpenThinker2-7B-IQ4_XS.gguf	IQ4_XS	4.22GB	否	质量尚可，比Q4_K_S更小且性能相似，推荐。
OpenThinker2-7B-Q3_K_L.gguf	Q3_K_L	4.09GB	否	质量较低但可用，适合内存有限的情况。
OpenThinker2-7B-Q3_K_M.gguf	Q3_K_M	3.81GB	否	低质量。
OpenThinker2-7B-IQ3_M.gguf	IQ3_M	3.57GB	否	中低质量，新方法，性能与Q3_K_M相当。
OpenThinker2-7B-Q2_K_L.gguf	Q2_K_L	3.55GB	否	嵌入和输出权重使用Q8_0。质量非常低但意外可用。
OpenThinker2-7B-Q3_K_S.gguf	Q3_K_S	3.49GB	否	低质量，不推荐。
OpenThinker2-7B-IQ3_XS.gguf	IQ3_XS	3.35GB	否	较低质量，新方法性能尚可，略优于Q3_K_S。
OpenThinker2-7B-IQ3_XXS.gguf	IQ3_XXS	3.11GB	否	较低质量，新方法性能尚可，与Q3量化相当。
OpenThinker2-7B-Q2_K.gguf	Q2_K	3.02GB	否	质量非常低但意外可用。
OpenThinker2-7B-IQ2_M.gguf	IQ2_M	2.78GB	否	质量相对较低，使用SOTA技术使其意外可用。

嵌入/输出权重

部分量化（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]"

然后指定目标文件：

huggingface-cli download bartowski/open-thoughts_OpenThinker2-7B-GGUF --include "open-thoughts_OpenThinker2-7B-Q4_K_M.gguf" --local-dir ./

若模型超过50GB，将分割为多个文件。下载全部文件到本地目录：

huggingface-cli download bartowski/open-thoughts_OpenThinker2-7B-GGUF --include "open-thoughts_OpenThinker2-7B-Q8_0/*" --local-dir ./

可指定新本地目录（如open-thoughts_OpenThinker2-7B-Q8_0）或直接下载到当前目录（./）

ARM/AVX信息

此前需下载Q4_0_4_4/4_8/8_8，这些文件通过内存交错权重提升ARM和AVX设备的性能。

现在支持“

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