🚀 huihui-ai的gemma-3-1b-it-abliterated的Llamacpp imatrix量化版本

本项目是对huihui-ai的gemma-3-1b-it-abliterated模型进行的量化处理，旨在提升模型在特定环境下的运行效率和性能。

关键信息

访问说明

要在Hugging Face上访问Gemma，你需要查看并同意Google的使用许可。请确保你已登录Hugging Face，然后点击下方按钮。请求将立即处理。确认许可

标签

• 聊天
• abliterated
• uncensored

🚀 快速开始

本项目使用 llama.cpp 的 b4925 版本进行量化。

• 原始模型：https://huggingface.co/huihui-ai/gemma-3-1b-it-abliterated
• 所有量化均使用imatrix选项，并采用了来自 此处 的数据集。

运行方式

• 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。

💻 使用示例

提示格式

<bos><start_of_turn>user
{system_prompt}

{prompt}<end_of_turn>
<start_of_turn>model
<end_of_turn>
<start_of_turn>model

📦 安装指南

使用huggingface-cli下载

首先，确保你已安装huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/huihui-ai_gemma-3-1b-it-abliterated-GGUF --include "huihui-ai_gemma-3-1b-it-abliterated-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它将被分割成多个文件。若要将所有文件下载到本地文件夹，请运行：

huggingface-cli download bartowski/huihui-ai_gemma-3-1b-it-abliterated-GGUF --include "huihui-ai_gemma-3-1b-it-abliterated-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如huihui-ai_gemma-3-1b-it-abliterated-Q8_0），也可以将所有文件下载到当前目录（./）。

📚 详细文档

下载文件选择

嵌入/输出权重说明

部分量化版本（如Q3_K_XL、Q4_K_L等）采用了标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8版本，这些版本的权重在内存中交错排列，以提高ARM和AVX机器的性能，一次加载更多数据。

现在，有了所谓的“在线重新打包”权重功能，详情见 此PR。如果你使用Q4_0，且硬件能从重新打包权重中受益，它将自动实时处理。

从llama.cpp构建 b4282 版本开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想获得稍好的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会更长，但总体速度会提高。

文件选择建议

🔧 技术细节

量化方法

使用 llama.cpp 的 b4925 版本进行量化，所有量化均使用imatrix选项，并采用了来自 此处 的数据集。

在线重新打包

从llama.cpp构建 b4282 版本开始，支持Q4_0的在线重新打包功能，详情见 此PR。

性能对比

📄 许可证

本项目使用gemma许可证。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw提供嵌入/输出实验的灵感。 感谢LM Studio赞助本项目。

如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski