Qwen Qwen2.5 VL 7B Instruct GGUF

由 bartowski 开发

Qwen2.5-VL-7B-Instruct的量化版本，使用llama.cpp进行量化，支持多模态任务，适用于图文转文本等应用场景。

文本生成图像

英语

开源协议:Apache-2.0 #多模态理解 #图文转文本 #低资源部署

下载量 2,056

发布时间 : 5/8/2025

模型介绍

内容详情

替代品

模型简介

这是一个基于Qwen2.5-VL-7B-Instruct模型的量化版本，支持多模态任务，能够处理图文转文本等任务。量化版本提供了多种量化选项，适合不同硬件环境和需求。

模型特点

多模态支持

支持图文转文本任务，能够处理多模态输入。

多种量化选项

提供从BF16到Q2_K的多种量化选项，适合不同硬件环境和需求。

高性能推理

使用llama.cpp进行量化，优化了推理性能，适合在本地设备上运行。

模型能力

图文转文本

多模态处理

文本生成

使用案例

内容生成

图像描述生成

根据输入的图像生成详细的文本描述。

生成准确且详细的图像描述。

自动化文档处理

图文转文本

将包含图像和文本的文档转换为纯文本格式。

高效提取和转换文档内容。

量化者：bartowski
任务类型：图文转文本
语言：英文
许可证：Apache-2.0
基础模型关联：量化版
基础模型：Qwen/Qwen2.5-VL-7B-Instruct
标签：多模态

Qwen2.5-VL-7B-Instruct的Llamacpp imatrix量化版本

使用llama.cpp发布的b5317版本进行量化。

原始模型：https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct

所有量化均采用imatrix选项，数据集来自此处

可在LM Studio中运行

也可直接通过llama.cpp或任何基于llama.cpp的项目运行

提示词格式

<|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
Qwen2.5-VL-7B-Instruct-bf16.gguf	bf16	15.24GB	否	完整的BF16权重。
Qwen2.5-VL-7B-Instruct-Q8_0.gguf	Q8_0	8.10GB	否	极高品质，通常不需要但为最高可用量化。
Qwen2.5-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，近乎完美，推荐。
Qwen2.5-VL-7B-Instruct-Q6_K.gguf	Q6_K	6.25GB	否	极高质量，近乎完美，推荐。
Qwen2.5-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。
Qwen2.5-VL-7B-Instruct-Q5_K_M.gguf	Q5_K_M	5.44GB	否	高质量，推荐。
Qwen2.5-VL-7B-Instruct-Q5_K_S.gguf	Q5_K_S	5.32GB	否	高质量，推荐。
Qwen2.5-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。
Qwen2.5-VL-7B-Instruct-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token。
Qwen2.5-VL-7B-Instruct-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。
Qwen2.5-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，适合内存有限的情况。
Qwen2.5-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。
Qwen2.5-VL-7B-Instruct-Q4_0.gguf	Q4_0	4.44GB	否	传统格式，为ARM和AVX CPU推理提供在线重打包功能。
Qwen2.5-VL-7B-Instruct-IQ4_NL.gguf	IQ4_NL	4.44GB	否	类似IQ4_XS，但稍大。为ARM CPU推理提供在线重打包。
Qwen2.5-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。
Qwen2.5-VL-7B-Instruct-Q3_K_L.gguf	Q3_K_L	4.09GB	否	质量较低但可用，适合内存有限的情况。
Qwen2.5-VL-7B-Instruct-Q3_K_M.gguf	Q3_K_M	3.81GB	否	低质量。
Qwen2.5-VL-7B-Instruct-IQ3_M.gguf	IQ3_M	3.57GB	否	中低质量，新方法，性能与Q3_K_M相当。
Qwen2.5-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。
Qwen2.5-VL-7B-Instruct-Q3_K_S.gguf	Q3_K_S	3.49GB	否	低质量，不推荐。
Qwen2.5-VL-7B-Instruct-IQ3_XS.gguf	IQ3_XS	3.35GB	否	质量较低，新方法，性能略优于Q3_K_S。
Qwen2.5-VL-7B-Instruct-IQ3_XXS.gguf	IQ3_XXS	3.11GB	否	质量较低，新方法，性能与Q3量化相当。
Qwen2.5-VL-7B-Instruct-Q2_K.gguf	Q2_K	3.02GB	否	质量非常低但出奇地可用。
Qwen2.5-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（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，可以指定要下载的文件：

huggingface-cli download bartowski/Qwen_Qwen2.5-VL-7B-Instruct-GGUF --include "Qwen

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