Qwen Qwen3 4B GGUF

由 bartowski 开发

Qwen团队提供的Qwen3-4B的Llamacpp imatrix量化版本，支持多种量化类型，适用于文本生成任务。

大型语言模型 #多量化版本选择 #低内存优化 #中文文本生成

下载量 10.58k

发布时间 : 4/28/2025

模型介绍

内容详情

替代品

模型简介

基于Qwen/Qwen3-4B的量化版本，使用llama.cpp进行量化，支持在LM Studio或llama.cpp及其衍生项目中运行。

模型特点

多种量化选项

提供从Q2_K到Q8_0的多种量化类型，满足不同硬件和性能需求。

imatrix量化

使用imatrix选项进行量化，提升模型性能。

支持LM Studio和llama.cpp

可在LM Studio中运行，或直接使用llama.cpp及其衍生项目运行。

嵌入/输出权重优化

部分量化版本将嵌入层和输出层权重量化为Q8_0，提升模型质量。

模型能力

文本生成

多轮对话

支持系统提示

使用案例

对话系统

智能助手

用于构建智能助手，支持多轮对话和系统提示。

文本生成

内容创作

用于生成文章、故事等文本内容。

量化者：bartowski
流水线标签：文本生成
基础模型：Qwen/Qwen3-4B
基础模型关系：量化版本

Qwen团队提供的Qwen3-4B的Llamacpp imatrix量化版本

使用llama.cpp发布的b5200版本进行量化。

原始模型：https://huggingface.co/Qwen/Qwen3-4B

所有量化均采用imatrix选项，数据集来自此处

可在LM Studio中运行
或直接使用llama.cpp及其衍生项目运行

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

下载单个文件（非完整分支）：

文件名	量化类型	文件大小	是否分片	描述
Qwen3-4B-bf16.gguf	bf16	8.05GB	否	完整的BF16权重
Qwen3-4B-Q8_0.gguf	Q8_0	4.28GB	否	极致质量，通常无需但为最高可用量化
Qwen3-4B-Q6_K_L.gguf	Q6_K_L	3.40GB	否	嵌入和输出权重使用Q8_0，接近完美质量，推荐
Qwen3-4B-Q6_K.gguf	Q6_K	3.31GB	否	极高质量，接近完美，推荐
Qwen3-4B-Q5_K_L.gguf	Q5_K_L	2.98GB	否	嵌入和输出权重使用Q8_0，高质量，推荐
Qwen3-4B-Q5_K_M.gguf	Q5_K_M	2.89GB	否	高质量，推荐
Qwen3-4B-Q5_K_S.gguf	Q5_K_S	2.82GB	否	高质量，推荐
Qwen3-4B-Q4_1.gguf	Q4_1	2.60GB	否	传统格式，性能类似Q4_K_S，但在Apple芯片上能效更优
Qwen3-4B-Q4_K_L.gguf	Q4_K_L	2.59GB	否	嵌入和输出权重使用Q8_0，良好质量，推荐
Qwen3-4B-Q4_K_M.gguf	Q4_K_M	2.50GB	否	良好质量，多数场景默认选择，推荐
Qwen3-4B-Q4_K_S.gguf	Q4_K_S	2.38GB	否	质量稍低但更省空间，推荐
Qwen3-4B-Q4_0.gguf	Q4_0	2.38GB	否	传统格式，支持ARM和AVX CPU在线重打包推理
Qwen3-4B-IQ4_NL.gguf	IQ4_NL	2.38GB	否	类似IQ4_XS但体积稍大，支持ARM CPU在线重打包
Qwen3-4B-Q3_K_XL.gguf	Q3_K_XL	2.33GB	否	嵌入和输出权重使用Q8_0，质量较低但可用，适合低内存环境
Qwen3-4B-IQ4_XS.gguf	IQ4_XS	2.27GB	否	质量尚可，体积小于Q4_K_S且性能相近，推荐
Qwen3-4B-Q3_K_L.gguf	Q3_K_L	2.24GB	否	质量较低但可用，适合低内存环境
Qwen3-4B-Q3_K_M.gguf	Q3_K_M	2.08GB	否	低质量
Qwen3-4B-IQ3_M.gguf	IQ3_M	1.96GB	否	中低质量，新方法性能接近Q3_K_M
Qwen3-4B-Q3_K_S.gguf	Q3_K_S	1.89GB	否	低质量，不推荐
Qwen3-4B-IQ3_XS.gguf	IQ3_XS	1.81GB	否	低质量，新方法性能略优于Q3_K_S
Qwen3-4B-Q2_K_L.gguf	Q2_K_L	1.76GB	否	嵌入和输出权重使用Q8_0，质量极低但意外可用
Qwen3-4B-IQ3_XXS.gguf	IQ3_XXS	1.67GB	否	低质量，新方法性能接近Q3量化
Qwen3-4B-Q2_K.gguf	Q2_K	1.67GB	否	质量极低但意外可用
Qwen3-4B-IQ2_M.gguf	IQ2_M	1.51GB	否	质量较低，采用前沿技术实现意外可用性

嵌入/输出权重说明

部分量化版本（如Q3_K_XL、Q4_K_L等）采用标准量化方法，但将嵌入层和输出层权重量化为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]"

然后指定目标文件：

huggingface-cli download bartowski/Qwen_Qwen3-4B-GGUF --include "Qwen_Qwen3-4B-Q4_K_M.gguf" --local-dir ./

若模型超过50GB会分片存储，下载全部文件至本地目录：

huggingface-cli download bartowski/Qwen_Qwen3-4B-GGUF --include "Qwen_Qwen3-4B-Q8_0/*" --local-dir ./

ARM/AVX架构信息

旧版本需下载Q4_0_4_4/4_8/8_8等文件，通过内存交错提升ARM/AVX设备性能。

现支持权重"在线重打包"功能，详见此PR。使用Q4_0时硬件会自动优化。

自llama.cpp b4282版本起，Q4_0_X_X文件已废弃，需改用Q4_0。

对于ARM设备，可选用IQ4_NL（参见此PR），虽加载稍慢但能提升整体速度。

文件选择指南

点击查看详细建议

Artefact2提供的性能图表极具参考价值

首先根据RAM/VRAM容量选择模型大小：

追求极致速度：选择比GPU显存小1-2GB的量化版本
追求最高质量：选择比（系统内存+显存）总和小1-2GB的版本

量化类型选择：

简易方案：选择K-quant（格式如QX_K_X）
进阶参考：llama.cpp特性矩阵
若目标低于Q4且使用cuBLAS(Nvidia)/rocBLAS(AMD)：推荐I-quant（格式如IQX_X），新架构在体积相同时性能更优

注意：I-quant也可用于CPU，但速度会慢于K-quant

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