Qwen Qwen3 14B GGUF

由 bartowski 开发

Qwen团队提供的Qwen3-14B模型的量化版本，使用llama.cpp进行量化，支持多种量化类型，适合在资源受限的设备上运行。

大型语言模型 #多级量化选择 #低内存占用优化 #跨平台兼容性

下载量 36.61k

发布时间 : 4/28/2025

模型介绍

内容详情

替代品

模型简介

Qwen3-14B是一个大型语言模型，经过量化处理后，可以在本地设备上高效运行，适用于文本生成等任务。

模型特点

多种量化选项

提供从BF16到IQ2_XS等多种量化类型，满足不同硬件和性能需求。

高质量量化

推荐使用Q6_K_L、Q5_K_M等高质量量化版本，性能接近原始模型。

支持本地运行

可在LM Studio或llama.cpp等工具中本地运行，无需云端依赖。

嵌入和输出权重优化

部分量化版本将嵌入和输出权重量化为Q8_0，提升性能。

模型能力

文本生成

自然语言处理

对话系统

使用案例

文本生成

对话系统

用于构建智能对话助手，支持多轮对话。

内容创作

生成文章、故事等文本内容。

本地部署

资源受限设备

在内存有限的设备上运行大型语言模型。

量化者：bartowski
任务标签：文本生成
基础模型：Qwen/Qwen3-14B
基础模型关系：量化

Qwen3-14B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/Qwen3-14B

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-bf16.gguf	bf16	29.54GB	false	完整的BF16权重。
Qwen3-14B-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-Q6_K_L.gguf	Q6_K_L	12.50GB	false	嵌入和输出权重使用Q8_0。极高品质，接近完美，推荐。
Qwen3-14B-Q6_K.gguf	Q6_K	12.12GB	false	极高品质，接近完美，推荐。
Qwen3-14B-Q5_K_L.gguf	Q5_K_L	10.99GB	false	嵌入和输出权重使用Q8_0。高品质，推荐。
Qwen3-14B-Q5_K_M.gguf	Q5_K_M	10.51GB	false	高品质，推荐。
Qwen3-14B-Q5_K_S.gguf	Q5_K_S	10.26GB	false	高品质，推荐。
Qwen3-14B-Q4_K_L.gguf	Q4_K_L	9.58GB	false	嵌入和输出权重使用Q8_0。良好品质，推荐。
Qwen3-14B-Q4_1.gguf	Q4_1	9.39GB	false	传统格式，性能类似Q4_K_S，但在Apple芯片上改进了tokens/watt。
Qwen3-14B-Q4_K_M.gguf	Q4_K_M	9.00GB	false	良好品质，大多数用例的默认大小，推荐。
Qwen3-14B-Q3_K_XL.gguf	Q3_K_XL	8.58GB	false	嵌入和输出权重使用Q8_0。较低品质但可用，适合低RAM环境。
Qwen3-14B-Q4_K_S.gguf	Q4_K_S	8.57GB	false	品质略低但节省更多空间，推荐。
Qwen3-14B-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-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-IQ4_XS.gguf	IQ4_XS	8.11GB	false	尚可品质，比Q4_K_S更小但性能相似，推荐。
Qwen3-14B-Q3_K_L.gguf	Q3_K_L	7.90GB	false	较低品质但可用，适合低RAM环境。
Qwen3-14B-Q3_K_M.gguf	Q3_K_M	7.32GB	false	低品质。
Qwen3-14B-IQ3_M.gguf	IQ3_M	6.88GB	false	中低品质，新方法，性能与Q3_K_M相当。
Qwen3-14B-Q3_K_S.gguf	Q3_K_S	6.66GB	false	低品质，不推荐。
Qwen3-14B-Q2_K_L.gguf	Q2_K_L	6.51GB	false	嵌入和输出权重使用Q8_0。非常低品质但意外可用。
Qwen3-14B-IQ3_XS.gguf	IQ3_XS	6.38GB	false	较低品质，新方法，性能尚可，略优于Q3_K_S。
Qwen3-14B-IQ3_XXS.gguf	IQ3_XXS	5.94GB	false	较低品质，新方法，性能尚可，与Q3量化相当。
Qwen3-14B-Q2_K.gguf	Q2_K	5.75GB	false	非常低品质但意外可用。
Qwen3-14B-IQ2_M.gguf	IQ2_M	5.32GB	false	相对低品质，使用SOTA技术意外可用。
Qwen3-14B-IQ2_S.gguf	IQ2_S	4.96GB	false	低品质，使用SOTA技术可用。
Qwen3-14B-IQ2_XS.gguf	IQ2_XS	4.69GB	false	低品质，使用SOTA技术可用。

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/Qwen_Qwen3-14B-GGUF --include "Qwen_Qwen3-14B-Q4_K_M.gguf" --local-dir ./

如果模型大于50GB，会被分割为多个文件。要下载全部文件到本地文件夹，运行：

huggingface-cli download bartowski/Qwen_Qwen3-14B-GGUF --include "Qwen_Qwen3-14B-Q8_0/*" --local-dir ./

可以指定新的本地目录（Qwen_Qwen3-14B-Q8_0）或直接下载到当前目录（./）

ARM/AVX信息

过去，你会下载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。

但现在，有一种称为“在线重打包”的技术，详情见此PR。如果使用Q4_0且硬件受益于重打包权重，它会自动实时完成。

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

此外，如果想获得稍好的品质，可以使用IQ4_NL，感谢此PR，它也会为ARM重打包权重（目前仅4_4）。加载时间可能更长，但会带来整体速度提升。

点击查看Q4_0_X_X信息（已弃用）

保留此部分以展示使用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	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%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp512	271.71 ± 3.53	133%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp1024	279.86 ± 45.63	100%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	pp2048	320.77 ± 5.00	124%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg128	43.51 ± 0.05	111%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg256	43.35 ± 0.09	110%
qwen2 3B Q4_0_8_8	1.69 GiB	3.09 B	CPU	64	tg512	42.60 ± 0.31	105%