Gemma 2 9b It Abliterated GGUF

由 bartowski 开发

基于Gemma 2.9B的量化版本，使用llama.cpp进行优化，适合在LM Studio中运行。

大型语言模型

英语

#量化优化 #低资源部署 #英文生成

下载量 3,941

发布时间 : 4/25/2025

模型介绍

内容详情

替代品

模型简介

这是一个经过量化的Gemma 2.9B模型版本，通过llama.cpp工具进行优化，提供了多种量化选项以适应不同的硬件需求。

模型特点

多种量化选项

提供从F32到Q2_K的多种量化版本，适应不同硬件和性能需求。

优化嵌入和输出权重

部分量化版本使用Q8_0优化嵌入和输出权重，可能提升模型质量。

ARM优化

提供专门针对ARM架构优化的量化版本，支持不同ARM芯片特性。

模型能力

文本生成

对话系统

使用案例

对话系统

智能助手

可用于构建智能对话助手，支持多轮对话。

内容生成

文本创作

可用于生成各种类型的文本内容，如故事、文章等。

基础模型: IlyaGusev/gemma-2-9b-it-abliterated
语言:

英文
许可证: gemma
任务标签: 文本生成
量化者: bartowski

gemma-2-9b-it-abliterated 的 Llamacpp imatrix 量化版本

使用 llama.cpp 版本 b3878 进行量化。

原始模型: https://huggingface.co/IlyaGusev/gemma-2-9b-it-abliterated

所有量化均使用 imatrix 选项，数据集来自此处

在 LM Studio 中运行这些模型。

提示格式

<bos><start_of_turn>system  
{系统提示}<end_of_turn>  
<start_of_turn>user  
{用户提示}<end_of_turn>  
<start_of_turn>model  
<end_of_turn>  
<start_of_turn>model

从下方下载单个文件（而非整个分支）:

文件名	量化类型	文件大小	是否分片	描述
gemma-2-9b-it-abliterated-f32.gguf	f32	36.97GB	false	完整的 F32 权重。
gemma-2-9b-it-abliterated-f32.gguf	f32	36.97GB	false	完整的 F32 权重。
gemma-2-9b-it-abliterated-Q8_0.gguf	Q8_0	9.83GB	false	极高品质，通常不需要，但提供最大可用量化。
gemma-2-9b-it-abliterated-Q6_K_L.gguf	Q6_K_L	7.81GB	false	嵌入和输出权重使用 Q8_0。极高品质，接近完美，推荐。
gemma-2-9b-it-abliterated-Q6_K.gguf	Q6_K	7.59GB	false	极高品质，接近完美，推荐。
gemma-2-9b-it-abliterated-Q5_K_L.gguf	Q5_K_L	6.87GB	false	嵌入和输出权重使用 Q8_0。高品质，推荐。
gemma-2-9b-it-abliterated-Q5_K_M.gguf	Q5_K_M	6.65GB	false	高品质，推荐。
gemma-2-9b-it-abliterated-Q5_K_S.gguf	Q5_K_S	6.48GB	false	高品质，推荐。
gemma-2-9b-it-abliterated-Q4_K_L.gguf	Q4_K_L	5.98GB	false	嵌入和输出权重使用 Q8_0。良好品质，推荐。
gemma-2-9b-it-abliterated-Q4_K_M.gguf	Q4_K_M	5.76GB	false	良好品质，大多数用例的默认大小，推荐。
gemma-2-9b-it-abliterated-Q4_K_S.gguf	Q4_K_S	5.48GB	false	质量稍低但节省更多空间，推荐。
gemma-2-9b-it-abliterated-Q4_0.gguf	Q4_0	5.46GB	false	传统格式，支持 ARM 和 AVX 推理的在线重新打包。
gemma-2-9b-it-abliterated-Q4_0_8_8.gguf	Q4_0_8_8	5.44GB	false	针对 ARM 推理优化。需要 'sve' 支持（见下方链接）。
gemma-2-9b-it-abliterated-Q4_0_4_8.gguf	Q4_0_4_8	5.44GB	false	针对 ARM 推理优化。需要 'i8mm' 支持（见下方链接）。
gemma-2-9b-it-abliterated-Q4_0_4_4.gguf	Q4_0_4_4	5.44GB	false	针对 ARM 推理优化。适用于所有 ARM 芯片，如果不确定请选择此版本。
gemma-2-9b-it-abliterated-Q3_K_XL.gguf	Q3_K_XL	5.35GB	false	嵌入和输出权重使用 Q8_0。质量较低但可用，适合低 RAM 环境。
gemma-2-9b-it-abliterated-IQ4_XS.gguf	IQ4_XS	5.18GB	false	质量尚可，比 Q4_K_S 更小但性能相近，推荐。
gemma-2-9b-it-abliterated-Q3_K_L.gguf	Q3_K_L	5.13GB	false	质量较低但可用，适合低 RAM 环境。
gemma-2-9b-it-abliterated-Q3_K_M.gguf	Q3_K_M	4.76GB	false	质量较低。
gemma-2-9b-it-abliterated-IQ3_M.gguf	IQ3_M	4.49GB	false	中低质量，新方法性能尚可，与 Q3_K_M 相当。
gemma-2-9b-it-abliterated-Q3_K_S.gguf	Q3_K_S	4.34GB	false	质量较低，不推荐。
gemma-2-9b-it-abliterated-IQ3_XS.gguf	IQ3_XS	4.14GB	false	质量较低，新方法性能尚可，略优于 Q3_K_S。
gemma-2-9b-it-abliterated-Q2_K_L.gguf	Q2_K_L	4.03GB	false	嵌入和输出权重使用 Q8_0。质量非常低但意外地可用。
gemma-2-9b-it-abliterated-Q2_K.gguf	Q2_K	3.81GB	false	质量非常低但意外地可用。
gemma-2-9b-it-abliterated-IQ2_M.gguf	IQ2_M	3.43GB	false	质量相对较低，使用 SOTA 技术使其意外地可用。