Mlabonne Qwen3 14B Abliterated GGUF

由 bartowski 开发

这是Qwen3-14B-abliterated模型的量化版本，使用llama.cpp的imatrix选项进行量化，适用于文本生成任务。

大型语言模型 #高精度量化 #多轮对话优化 #低资源部署

下载量 18.67k

发布时间 : 4/29/2025

模型介绍

内容详情

替代品

模型简介

该模型是基于Qwen3-14B-abliterated的量化版本，支持多种量化类型，适用于文本生成任务，可在LM Studio或llama.cpp中运行。

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。

imatrix量化

使用llama.cpp的imatrix选项进行量化，优化模型性能。

广泛兼容性

可在LM Studio、llama.cpp或任何基于llama.cpp的项目中运行。

模型能力

文本生成

多语言支持

使用案例

文本生成

对话系统

用于构建智能对话系统，生成自然语言响应。

内容创作

辅助生成文章、故事或其他文本内容。

量化者：bartowski
任务标签：文本生成
基础模型：mlabonne/Qwen3-14B-abliterated
标签：[]
基础模型关联：量化

mlabonne的Qwen3-14B-abliterated模型的Llamacpp imatrix量化版本

使用llama.cpp发布的b5270版本进行量化。

原始模型：https://huggingface.co/mlabonne/Qwen3-14B-abliterated

所有量化均使用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

<|im_start|>system  
{system_prompt}<|im_end|>  
<|im_start|>user  
{prompt}<|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
Qwen3-14B-abliterated-bf16.gguf	bf16	29.54GB	false	完整的BF16权重。
Qwen3-14B-abliterated-Q8_0.gguf	Q8_0	15.70GB	false	极高品质，通常不需要但为最高可用量化。
Qwen3-14B-abliterated-Q6_K_L.gguf	Q6_K_L	12.50GB	false	嵌入和输出权重使用Q8_0。极高质量，接近完美，推荐。
Qwen3-14B-abliterated-Q6_K.gguf	Q6_K	12.12GB	false	极高质量，接近完美，推荐。
Qwen3-14B-abliterated-Q5_K_L.gguf	Q5_K_L	10.99GB	false	嵌入和输出权重使用Q8_0。高质量，推荐。
Qwen3-14B-abliterated-Q5_K_M.gguf	Q5_K_M	10.51GB	false	高质量，推荐。
Qwen3-14B-abliterated-Q5_K_S.gguf	Q5_K_S	10.26GB	false	高质量，推荐。
Qwen3-14B-abliterated-Q4_K_L.gguf	Q4_K_L	9.58GB	false	嵌入和输出权重使用Q8_0。良好质量，推荐。
Qwen3-14B-abliterated-Q4_1.gguf	Q4_1	9.39GB	false	传统格式，性能类似Q4_K_S但在Apple芯片上每瓦特生成的token更优。
Qwen3-14B-abliterated-Q4_K_M.gguf	Q4_K_M	9.00GB	false	良好质量，多数用例的默认大小，推荐。
Qwen3-14B-abliterated-Q3_K_XL.gguf	Q3_K_XL	8.58GB	false	嵌入和输出权重使用Q8_0。质量较低但可用，适合内存有限的情况。
Qwen3-14B-abliterated-Q4_K_S.gguf	Q4_K_S	8.57GB	false	质量稍低但节省更多空间，推荐。
Qwen3-14B-abliterated-Q4_0.gguf	Q4_0	8.54GB	false	传统格式，支持ARM和AVX CPU推理的在线重打包。
Qwen3-14B-abliterated-IQ4_NL.gguf	IQ4_NL	8.54GB	false	类似IQ4_XS，但稍大。支持ARM CPU推理的在线重打包。
Qwen3-14B-abliterated-IQ4_XS.gguf	IQ4_XS	8.11GB	false	质量尚可，比Q4_K_S更小且性能相似，推荐。
Qwen3-14B-abliterated-Q3_K_L.gguf	Q3_K_L	7.90GB	false	质量较低但可用，适合内存有限的情况。
Qwen3-14B-abliterated-Q3_K_M.gguf	Q3_K_M	7.32GB	false	低质量。
Qwen3-14B-abliterated-IQ3_M.gguf	IQ3_M	6.88GB	false	中低质量，新方法，性能与Q3_K_M相当。
Qwen3-14B-abliterated-Q3_K_S.gguf	Q3_K_S	6.66GB	false	低质量，不推荐。
Qwen3-14B-abliterated-Q2_K_L.gguf	Q2_K_L	6.51GB	false	嵌入和输出权重使用Q8_0。质量非常低但意外地可用。
Qwen3-14B-abliterated-IQ3_XS.gguf	IQ3_XS	6.38GB	false	较低质量，新方法，性能尚可，略优于Q3_K_S。
Qwen3-14B-abliterated-IQ3_XXS.gguf	IQ3_XXS	5.94GB	false	较低质量，新方法，性能与Q3量化相当。
Qwen3-14B-abliterated-Q2_K.gguf	Q2_K	5.75GB	false	质量非常低但意外地可用。
Qwen3-14B-abliterated-IQ2_M.gguf	IQ2_M	5.32GB	false	质量相对较低，使用SOTA技术使其意外地可用。
Qwen3-14B-abliterated-IQ2_S.gguf	IQ2_S	4.96GB	false	低质量，使用SOTA技术使其可用。

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，可以指定要下载的具体文件：

huggingface-cli download bartowski/mlabonne_Qwen3-14B-abliterated-GGUF --include "mlabonne_Qwen3-14B-abliterated-Q4_K_M.gguf" --local-dir ./

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

huggingface-cli download bartowski/mlabonne_Qwen3-14B-abliterated-GGUF --include "mlabonne_Qwen3-14B-abliterated-Q8_0/*" --local-dir ./

可以指定新的本地目录（如mlabonne_Qwen3-14B-abliterated-Q8_0）或直接下载到当前目录（./）。

ARM/AVX信息

过去，用户会下载Q4_0_4_4/4_8/8_8等文件，这些文件的内存权重经过交错排列以提高ARM和AVX机器的性能，通过单次加载更多数据实现。

但现在，权重支持“在线重打包”。详情见此PR。如果使用Q4_0且硬件支持重打包，系统会自动实时处理。

从llama.cpp构建版本b4282开始，无法运行Q4_0_X_X文件，需改用Q4_0。

此外，若追求更高质量，可使用IQ4_NL（基于此PR），该量化也支持ARM权重重打包（目前仅4_4）。加载时间可能更长，但整体速度会提升。

点击查看Q4_0_X_X信息（已弃用）

保留此部分以展示Q4_0在线重打包的潜在性能提升。

点击查看AVX2系统（EPYC7702）的基准测试

模型	大小	参数量	后端	线程数	测试	t/s	%（对比Q4_0）
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp512	204.03 ± 1.03	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp1024	282.92 ± 0.19	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	pp2048	259.49 ± 0.44	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg128	39.12 ± 0.27	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg256	39.31 ± 0.69	100%
qwen2 3B Q4_0	1.70 GiB	3.09 B	CPU	64	tg512	40.52 ± 0.03	100%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp512	301.02 ± 1.74	147%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp1024	287.23 ± 0.20	101%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	pp2048	262.77 ± 1.81	101%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg128	18.80 ± 0.99	48%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg256	24.46 ± 3.04	83%
qwen2 3B Q4_K_M	1.79 GiB	3.09 B	CPU	64	tg512	36.32 ± 3.59	90%