🚀 Qwen3-8B的Llamacpp imatrix量化版本

本项目使用 llama.cpp 版本 b5200 对Qwen3-8B模型进行量化。该项目旨在提供不同量化级别的Qwen3-8B模型，以满足不同硬件和性能需求。

基本信息

原模型链接

Qwen/Qwen3-8B

🚀 快速开始

所有量化模型均使用imatrix选项和来自此处的数据集生成。你可以在以下环境中运行这些量化模型：

• LM Studio
• 直接使用 llama.cpp 或任何基于llama.cpp的项目

提示词格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

📦 安装指南

使用huggingface-cli下载文件

首先，确保你已经安装了huggingface-cli：

pip install -U "huggingface_hub[cli]"

然后，你可以指定要下载的特定文件：

huggingface-cli download bartowski/Qwen_Qwen3-8B-GGUF --include "Qwen_Qwen3-8B-Q4_K_M.gguf" --local-dir ./

如果模型大小超过50GB，它会被分割成多个文件。要将它们全部下载到本地文件夹，请运行：

huggingface-cli download bartowski/Qwen_Qwen3-8B-GGUF --include "Qwen_Qwen3-8B-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（如Qwen_Qwen3-8B-Q8_0），也可以将它们全部下载到当前目录（./）。

💻 使用示例

下载文件选择

嵌入/输出权重说明

部分量化模型（如Q3_K_XL、Q4_K_L等）采用标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8文件，这些文件的权重会在内存中交错排列，以便在ARM和AVX机器上通过一次加载更多数据来提高性能。

现在，有了所谓的“在线重新打包”权重功能，详情见 此PR。如果你使用Q4_0，并且你的硬件能从重新打包权重中受益，它将自动实时进行。

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

此外，如果你想获得稍好的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4。加载时间可能会变慢，但总体速度会提高。

如何选择文件

🔧 技术细节

Q4_0_X_X信息（已弃用）

📄 许可证

本项目采用apache-2.0许可证。

致谢

感谢kalomaze和Dampf在创建imatrix校准数据集方面提供的帮助。

感谢ZeroWw在嵌入/输出实验方面提供的灵感。

感谢LM Studio对我工作的赞助。

如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski