Qwen Qwen3 8B GGUF

由 bartowski 开发

Qwen3-8B的量化版本，使用llama.cpp的imatrix选项进行量化，适用于文本生成任务。

大型语言模型开源协议:Apache-2.0 #多级量化选择 #低内存占用 #本地化部署

下载量 23.88k

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/Qwen3-8B的量化版本，支持多种量化类型，适用于文本生成任务，可在LM Studio或llama.cpp中运行。

模型特点

多种量化类型

提供从BF16到Q2_K的多种量化版本，满足不同硬件和性能需求。

高质量推荐

推荐使用Q6_K_L、Q6_K、Q5_K_L等高质量量化版本，接近完美性能。

支持ARM/AVX设备

支持ARM和AVX设备的在线重打包，优化硬件性能。

imatrix量化

使用imatrix选项进行量化，提升模型性能。

模型能力

文本生成

多轮对话

上下文理解

使用案例

文本生成

对话系统

可用于构建智能对话系统，支持多轮对话。

内容创作

生成高质量文本内容，如文章、故事等。

量化者：bartowski
任务类型：文本生成
许可证：Apache-2.0
基础模型：Qwen/Qwen3-8B
基础模型关系：量化版本

Qwen团队提供的Qwen3-8B 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/Qwen3-8B

所有量化均采用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

提示词格式

<|im_start|>system  
{系统提示}<|im_end|>  
<|im_start|>user  
{用户输入}<|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	是否分片	描述
Qwen3-8B-bf16.gguf	bf16	16.39GB	否	完整的BF16权重。
Qwen3-8B-Q8_0.gguf	Q8_0	8.71GB	否	极高品质，通常无需但为最高可用量化。
Qwen3-8B-Q6_K_L.gguf	Q6_K_L	7.03GB	否	嵌入和输出权重使用Q8_0。极高品质，接近完美，推荐。
Qwen3-8B-Q6_K.gguf	Q6_K	6.73GB	否	极高品质，接近完美，推荐。
Qwen3-8B-Q5_K_L.gguf	Q5_K_L	6.24GB	否	嵌入和输出权重使用Q8_0。高品质，推荐。
Qwen3-8B-Q5_K_M.gguf	Q5_K_M	5.85GB	否	高品质，推荐。
Qwen3-8B-Q5_K_S.gguf	Q5_K_S	5.72GB	否	高品质，推荐。
Qwen3-8B-Q4_K_L.gguf	Q4_K_L	5.49GB	否	嵌入和输出权重使用Q8_0。良好品质，推荐。
Qwen3-8B-Q4_1.gguf	Q4_1	5.25GB	否	旧格式，性能类似Q4_K_S，但在Apple芯片上功耗表现更优。
Qwen3-8B-Q4_K_M.gguf	Q4_K_M	5.03GB	否	良好品质，多数场景默认选择，推荐。
Qwen3-8B-Q3_K_XL.gguf	Q3_K_XL	4.98GB	否	嵌入和输出权重使用Q8_0。质量较低但可用，适合内存有限场景。
Qwen3-8B-Q4_K_S.gguf	Q4_K_S	4.80GB	否	质量略低但节省更多空间，推荐。
Qwen3-8B-Q4_0.gguf	Q4_0	4.79GB	否	旧格式，支持ARM和AVX CPU在线重打包推理。
Qwen3-8B-IQ4_NL.gguf	IQ4_NL	4.79GB	否	类似IQ4_XS，但稍大。支持ARM CPU在线重打包推理。
Qwen3-8B-IQ4_XS.gguf	IQ4_XS	4.56GB	否	尚可质量，比Q4_K_S更小且性能相近，推荐。
Qwen3-8B-Q3_K_L.gguf	Q3_K_L	4.43GB	否	质量较低但可用，适合内存有限场景。
Qwen3-8B-Q3_K_M.gguf	Q3_K_M	4.12GB	否	低质量。
Qwen3-8B-IQ3_M.gguf	IQ3_M	3.90GB	否	中低质量，新方法性能接近Q3_K_M。
Qwen3-8B-Q2_K_L.gguf	Q2_K_L	3.89GB	否	嵌入和输出权重使用Q8_0。极低质量但意外可用。
Qwen3-8B-Q3_K_S.gguf	Q3_K_S	3.77GB	否	低质量，不推荐。
Qwen3-8B-IQ3_XS.gguf	IQ3_XS	3.63GB	否	较低质量，新方法性能尚可，略优于Q3_K_S。
Qwen3-8B-IQ3_XXS.gguf	IQ3_XXS	3.37GB	否	较低质量，新方法性能尚可，与Q3量化相当。
Qwen3-8B-Q2_K.gguf	Q2_K	3.28GB	否	极低质量但意外可用。
Qwen3-8B-IQ2_M.gguf	IQ2_M	3.05GB	否	相对低质量，采用SOTA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]"

然后指定目标文件：

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

若模型超过50GB会分片存储，下载全部文件到本地目录：

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

ARM/AVX相关信息

此前需下载Q4_0_4_4/4_8/8_8等分片版本，通过内存交错提升ARM/AVX设备性能。

现在支持权重"在线重打包"（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。

ARM设备还可选用IQ4_NL（参见此PR），加载稍慢但整体加速。

点击查看Q4_0_X_X信息（已废弃）

保留本节以展示Q4_0在线重打包的潜在性能提升。

点击查看AVX2系统（EPYC7702）基准测试

（基准测试表格内容保持不变，此处省略翻译）

如何选择文件？

点击查看详细指南

Artefact2提供的分析报告包含性能图表。

首先确定可用内存/显存：

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：合计系统内存+GPU显存后选择小1-2GB的版本

其次选择'I-quant'或'K-quant'：

不想纠结：选K-quant（格式如Q5_K_M）
进阶用户：参考llama.cpp特性矩阵
低于Q4且使用cuBLAS/rocBLAS时：优先I-quant（格式如IQ3_M），CPU可用但速度较慢

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集
感谢ZeroWw启发嵌入/输出权重实验
感谢LM Studio对本项目的赞助

支持我的工作：https://ko-fi.com/bartowski

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