Mistral Community Pixtral 12b GGUF

由 bartowski 开发

这是pixtral-12b模型的量化版本，使用llama.cpp进行量化，支持图像文本到文本的任务。

图像文本到文本开源协议:Apache-2.0 #图像文本生成 #多模态量化 #高效推理

下载量 1,728

发布时间 : 4/25/2025

模型介绍

内容详情

替代品

模型简介

该模型是pixtral-12b的量化版本，适用于图像文本到文本的任务，支持多种量化类型，适合在资源有限的设备上运行。

模型特点

多种量化选项

提供从BF16到Q2_K的多种量化类型，满足不同硬件和性能需求。

支持图像文本到文本

能够处理图像文本到文本的任务，适用于多模态应用场景。

优化硬件兼容性

支持在LM Studio和llama.cpp等平台上运行，优化了ARM和AVX CPU的推理性能。

模型能力

图像文本生成

多模态处理

高效推理

使用案例

多模态应用

图像描述生成

根据输入的图像生成详细的文本描述。

图像问答

回答关于图像内容的自然语言问题。

量化者：bartowski
流水线标签：图像文本到文本
基础模型：mistral-community/pixtral-12b
基础模型关系：量化版本
许可证：apache-2.0

mistral-community的pixtral-12b模型Llamacpp imatrix量化版本

使用llama.cpp发布的b5173版本进行量化。

原始模型：https://huggingface.co/mistral-community/pixtral-12b

所有量化均采用imatrix选项，数据集来自此处

可在LM Studio中运行

也可直接使用llama.cpp或任何基于llama.cpp的项目运行

提示格式

未找到提示格式，请查看原始模型页面

更新内容

修复了mmproj文件，采用了主线修复：https://github.com/ggml-org/llama.cpp/pull/13208

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
pixtral-12b-bf16.gguf	bf16	24.50GB	false	完整的BF16权重。
pixtral-12b-Q8_0.gguf	Q8_0	13.02GB	false	极高品质，通常不需要，但为最大可用量化。
pixtral-12b-Q6_K_L.gguf	Q6_K_L	10.38GB	false	嵌入和输出权重使用Q8_0。极高品质，近乎完美，推荐。
pixtral-12b-Q6_K.gguf	Q6_K	10.06GB	false	极高品质，近乎完美，推荐。
pixtral-12b-Q5_K_L.gguf	Q5_K_L	9.14GB	false	嵌入和输出权重使用Q8_0。高品质，推荐。
pixtral-12b-Q5_K_M.gguf	Q5_K_M	8.73GB	false	高品质，推荐。
pixtral-12b-Q5_K_S.gguf	Q5_K_S	8.52GB	false	高品质，推荐。
pixtral-12b-Q4_K_L.gguf	Q4_K_L	7.98GB	false	嵌入和输出权重使用Q8_0。良好品质，推荐。
pixtral-12b-Q4_1.gguf	Q4_1	7.80GB	false	传统格式，性能类似Q4_K_S，但在Apple芯片上每瓦特生成的令牌数有所提升。
pixtral-12b-Q4_K_M.gguf	Q4_K_M	7.48GB	false	良好品质，大多数用例的默认大小，推荐。
pixtral-12b-Q3_K_XL.gguf	Q3_K_XL	7.15GB	false	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。
pixtral-12b-Q4_K_S.gguf	Q4_K_S	7.12GB	false	质量稍低但节省更多空间，推荐。
pixtral-12b-IQ4_NL.gguf	IQ4_NL	7.10GB	false	类似IQ4_XS，但稍大。支持ARM CPU推理的在线重打包。
pixtral-12b-Q4_0.gguf	Q4_0	7.09GB	false	传统格式，支持ARM和AVX CPU推理的在线重打包。
pixtral-12b-IQ4_XS.gguf	IQ4_XS	6.74GB	false	质量尚可，比Q4_K_S更小但性能相近，推荐。
pixtral-12b-Q3_K_L.gguf	Q3_K_L	6.56GB	false	质量较低但可用，适合内存有限的场景。
pixtral-12b-Q3_K_M.gguf	Q3_K_M	6.08GB	false	质量较低。
pixtral-12b-IQ3_M.gguf	IQ3_M	5.72GB	false	中低质量，新方法，性能与Q3_K_M相当。
pixtral-12b-Q3_K_S.gguf	Q3_K_S	5.53GB	false	质量较低，不推荐。
pixtral-12b-Q2_K_L.gguf	Q2_K_L	5.45GB	false	嵌入和输出权重使用Q8_0。质量非常低但出奇地可用。
pixtral-12b-IQ3_XS.gguf	IQ3_XS	5.31GB	false	质量较低，新方法，性能尚可，略优于Q3_K_S。
pixtral-12b-IQ3_XXS.gguf	IQ3_XXS	4.95GB	false	质量较低，新方法，性能尚可，与Q3量化相当。
pixtral-12b-Q2_K.gguf	Q2_K	4.79GB	false	质量非常低但出奇地可用。
pixtral-12b-IQ2_M.gguf	IQ2_M	4.44GB	false	质量相对较低，采用SOTA技术，出奇地可用。
pixtral-12b-IQ2_S.gguf	IQ2_S	4.14GB	false	质量较低，采用SOTA技术，可用。

嵌入/输出权重

部分量化版本（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/mistral-community_pixtral-12b-GGUF --include "mistral-community_pixtral-12b-Q4_K_M.gguf" --local-dir ./

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

huggingface-cli download bartowski/mistral-community_pixtral-12b-GGUF --include "mistral-community_pixtral-12b-Q8_0/*" --local-dir ./

可以指定新的本地目录（如mistral-community_pixtral-12b-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

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