Nera Noctis 12B GGUF

由 bartowski 开发

Nera_Noctis-12B的Llamacpp imatrix量化版本，基于Nitral-AI/Nera_Noctis-12B模型，支持英文文本生成任务。

大型语言模型

英语

开源协议:其他 #高精度文本生成 #多量化版本适配 #低内存优化

下载量 64

发布时间 : 1/1/2025

模型介绍

内容详情

替代品

模型简介

这是一个基于Nitral-AI/Nera_Noctis-12B模型的量化版本，使用llama.cpp进行量化，适用于文本生成任务。

模型特点

多种量化选项

提供从f16到IQ2_XS的多种量化版本，满足不同硬件和性能需求。

高质量量化

使用imatrix选项进行量化，确保模型性能接近原始版本。

支持LM Studio

可在LM Studio中运行，便于本地部署和使用。

模型能力

文本生成

英文文本处理

使用案例

文本生成

对话系统

可用于构建英文对话系统，生成自然流畅的回复。

内容创作

生成英文文章、故事或其他创意内容。

量化者：bartowski
流水线标签：文本生成
基础模型：Nitral-AI/Nera_Noctis-12B
许可证：其他
语言：

英文

Nera_Noctis-12B的Llamacpp imatrix量化版本

使用llama.cpp发布的b4404版本进行量化。

原始模型：https://huggingface.co/Nitral-AI/Nera_Noctis-12B

所有量化均采用imatrix选项，并使用来自此处的数据集完成。

可在LM Studio中运行。

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
Nera_Noctis-12B-f16.gguf	f16	24.50GB	false	完整的F16权重。
Nera_Noctis-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。
Nera_Noctis-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，接近完美，推荐。
Nera_Noctis-12B-Q6_K.gguf	Q6_K	10.06GB	false	极高品质，接近完美，推荐。
Nera_Noctis-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。
Nera_Noctis-12B-Q5_K_M.gguf	Q5_K_M	8.73GB	false	高品质，推荐。
Nera_Noctis-12B-Q5_K_S.gguf	Q5_K_S	8.52GB	false	高品质，推荐。
Nera_Noctis-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。
Nera_Noctis-12B-Q4_1.gguf	Q4_1	7.80GB	false	传统格式，性能类似Q4_K_S，但在Apple芯片上改进了每瓦特令牌数。
Nera_Noctis-12B-Q4_K_M.gguf	Q4_K_M	7.48GB	false	良好品质，适用于大多数场景的默认大小，推荐。
Nera_Noctis-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，适合内存有限的情况。
Nera_Noctis-12B-Q4_K_S.gguf	Q4_K_S	7.12GB	false	质量稍低但节省更多空间，推荐。
Nera_Noctis-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。
Nera_Noctis-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。
Nera_Noctis-12B-IQ4_XS.gguf	IQ4_XS	6.74GB	false	质量尚可，比Q4_K_S更小但性能相似，推荐。
Nera_Noctis-12B-Q3_K_L.gguf	Q3_K_L	6.56GB	false	质量较低但可用，适合内存有限的情况。
Nera_Noctis-12B-Q3_K_M.gguf	Q3_K_M	6.08GB	false	质量较低。
Nera_Noctis-12B-IQ3_M.gguf	IQ3_M	5.72GB	false	中低质量，新方法性能尚可，与Q3_K_M相当。
Nera_Noctis-12B-Q3_K_S.gguf	Q3_K_S	5.53GB	false	质量较低，不推荐。
Nera_Noctis-12B-Q2_K_L.gguf	Q2_K_L	5.45GB	false	嵌入和输出权重使用Q8_0。质量非常低但意外可用。
Nera_Noctis-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。
Nera_Noctis-12B-Q2_K.gguf	Q2_K	4.79GB	false	质量非常低但意外可用。
Nera_Noctis-12B-IQ2_M.gguf	IQ2_M	4.44GB	false	质量相对较低，使用SOTA技术使其意外可用。
Nera_Noctis-12B-IQ2_S.gguf	IQ2_S	4.14GB	false	质量较低，使用SOTA技术使其可用。
Nera_Noctis-12B-IQ2_XS.gguf	IQ2_XS	3.92GB	false	质量较低，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，可以指定目标文件：

huggingface-cli download bartowski/Nera_Noctis-12B-GGUF --include "Nera_Noctis-12B-Q4_K_M.gguf" --local-dir ./

如果模型超过50GB，会被分割为多个文件。要下载全部文件到本地目录，运行：

huggingface-cli download bartowski/Nera_Noctis-12B-GGUF --include "Nera_Noctis-12B-Q8_0/*" --local-dir ./

可以指定新的本地目录（如Nera_Noctis-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，这些文件会在内存中交错权重以提高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”。详情参见此PR。如果使用Q4_0且硬件受益于重打包，系统会自动实时处理。

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

此外，若追求略高质量，可使用IQ4_NL（基于[此PR](https://github.com/ggergan

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