Qwen Qwen3 32B GGUF

由 bartowski 开发

基于Qwen/Qwen3-32B的量化版本，使用llama.cpp进行量化，支持多种量化类型，适用于不同硬件需求。

大型语言模型开源协议:Apache-2.0 #高精度量化 #多场景文本生成 #低内存优化

下载量 49.13k

发布时间 : 4/28/2025

模型介绍

内容详情

替代品

模型简介

这是一个32B参数规模的大语言模型量化版本，支持文本生成任务，适用于需要高效推理的场景。

模型特点

多种量化版本

提供从Q8_0到IQ2_XXS等多种量化类型，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，确保模型质量接近原始版本。

广泛兼容性

可在LM Studio或基于llama.cpp的项目中运行，支持多种硬件平台。

模型能力

文本生成

高效推理

使用案例

文本生成

对话系统

用于构建智能对话系统，支持多轮对话。

内容创作

辅助生成文章、故事等内容。

量化者：bartowski
任务标签：文本生成
许可证：Apache-2.0
许可证链接：https://huggingface.co/Qwen/Qwen3-32B/blob/main/LICENSE
基础模型：Qwen/Qwen3-32B
基础模型关系：量化

Qwen3-32B的Llamacpp imatrix量化版本

使用llama.cpp发布的b5200进行量化。

原始模型：https://huggingface.co/Qwen/Qwen3-32B

所有量化均使用imatrix选项，数据集来自此处。

在LM Studio中运行这些量化模型。

直接使用llama.cpp或任何其他基于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
Qwen3-32B-bf16.gguf	bf16	65.53GB	是	完整的BF16权重。
Qwen3-32B-Q8_0.gguf	Q8_0	34.82GB	否	极高品质，通常不需要，但为最高可用量化。
Qwen3-32B-Q6_K_L.gguf	Q6_K_L	27.26GB	否	嵌入和输出权重使用Q8_0。极高品质，接近完美，推荐。
Qwen3-32B-Q6_K.gguf	Q6_K	26.88GB	否	极高品质，接近完美，推荐。
Qwen3-32B-Q5_K_L.gguf	Q5_K_L	23.69GB	否	嵌入和输出权重使用Q8_0。高品质，推荐。
Qwen3-32B-Q5_K_M.gguf	Q5_K_M	23.21GB	否	高品质，推荐。
Qwen3-32B-Q5_K_S.gguf	Q5_K_S	22.64GB	否	高品质，推荐。
Qwen3-32B-Q4_1.gguf	Q4_1	20.64GB	否	传统格式，性能类似Q4_K_S，但在Apple芯片上每瓦特生成的token数有所提升。
Qwen3-32B-Q4_K_L.gguf	Q4_K_L	20.34GB	否	嵌入和输出权重使用Q8_0。良好品质，推荐。
Qwen3-32B-Q4_K_M.gguf	Q4_K_M	19.76GB	否	良好品质，大多数用例的默认大小，推荐。
Qwen3-32B-Q4_K_S.gguf	Q4_K_S	18.77GB	否	品质稍低但节省更多空间，推荐。
Qwen3-32B-Q4_0.gguf	Q4_0	18.70GB	否	传统格式，为ARM和AVX CPU推理提供在线重新打包功能。
Qwen3-32B-IQ4_NL.gguf	IQ4_NL	18.68GB	否	类似IQ4_XS，但稍大。为ARM CPU推理提供在线重新打包功能。
Qwen3-32B-Q3_K_XL.gguf	Q3_K_XL	18.01GB	否	嵌入和输出权重使用Q8_0。品质较低但可用，适合内存有限的场景。
Qwen3-32B-IQ4_XS.gguf	IQ4_XS	17.69GB	否	品质尚可，比Q4_K_S更小但性能相近，推荐。
Qwen3-32B-Q3_K_L.gguf	Q3_K_L	17.33GB	否	品质较低但可用，适合内存有限的场景。
Qwen3-32B-Q3_K_M.gguf	Q3_K_M	15.97GB	否	品质较低。
Qwen3-32B-IQ3_M.gguf	IQ3_M	14.93GB	否	中低品质，新方法，性能与Q3_K_M相当。
Qwen3-32B-Q3_K_S.gguf	Q3_K_S	14.39GB	否	品质较低，不推荐。
Qwen3-32B-IQ3_XS.gguf	IQ3_XS	13.70GB	否	品质较低，新方法，性能尚可，略优于Q3_K_S。
Qwen3-32B-Q2_K_L.gguf	Q2_K_L	13.10GB	否	嵌入和输出权重使用Q8_0。品质非常低但出奇地可用。
Qwen3-32B-IQ3_XXS.gguf	IQ3_XXS	12.82GB	否	品质较低，新方法，性能与Q3量化相当。
Qwen3-32B-Q2_K.gguf	Q2_K	12.34GB	否	品质非常低但出奇地可用。
Qwen3-32B-IQ2_M.gguf	IQ2_M	11.36GB	否	品质相对较低，使用SOTA技术，出奇地可用。
Qwen3-32B-IQ2_S.gguf	IQ2_S	10.51GB	否	品质较低，使用SOTA技术，可用。
Qwen3-32B-IQ2_XS.gguf	IQ2_XS	9.95GB	否	品质较低，使用SOTA技术，可用。
Qwen3-32B-IQ2_XXS.gguf	IQ2_XXS	9.02GB	否	品质非常低，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，可以指定要下载的具体文件：

huggingface-cli download bartowski/Qwen_Qwen3-32B-GGUF --include "Qwen_Qwen3-32B-Q4_K_M.gguf" --local-dir ./

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

huggingface-cli download bartowski/Qwen_Qwen3-32B-GGUF --include "Qwen_Qwen3-32B-Q8_0/*" --local-dir ./

可以指定新的本地目录（如Qwen_Qwen3-32B-Q8_0）或直接下载到当前目录（./）。

ARM/AVX信息

以前，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，通过一次性加载更多数据。

但现在，有一种称为“在线重新打包”的功能，详情见此PR。如果使用Q4_0且硬件支持重新打包权重，它会自动完成。

从llama.cpp构建b4282开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果想获得稍好的品质，可以使用IQ4_NL，这得益于此PR，它也会为ARM重新打包权重（目前仅支持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在线重新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