Thedrummer Snowpiercer 15B V1 GGUF

由 bartowski 开发

基于TheDrummer/Snowpiercer-15B-v1模型的量化版本，使用llama.cpp进行量化，适用于文本生成任务。

大型语言模型开源协议:MIT #多量化版本 #低资源优化 #文本生成

下载量 4,783

发布时间 : 5/14/2025

模型介绍

内容详情

替代品

模型简介

这是一个15B参数的大语言模型，经过多种量化处理，适用于不同硬件环境，支持高效的文本生成。

模型特点

多种量化选项

提供从BF16到Q2_K的多种量化版本，适应不同硬件和性能需求。

高性能推理

使用imatrix选项进行量化，优化推理性能，适合在LM Studio或llama.cpp中运行。

ARM/AVX优化

支持在线重打包功能，优化在ARM和AVX硬件上的性能。

模型能力

文本生成

高效推理

多硬件支持

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。

生成流畅、连贯的对话回复。

内容创作

用于生成文章、故事等创意内容。

生成高质量、多样化的文本内容。

量化者：bartowski
流水线标签：文本生成
基础模型：TheDrummer/Snowpiercer-15B-v1
许可证：mit
基础模型关系：量化

TheDrummer的Snowpiercer-15B-v1的Llamacpp imatrix量化版本

使用llama.cpp发布的b5338进行量化。

原始模型：https://huggingface.co/TheDrummer/Snowpiercer-15B-v1

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

从下方下载文件（非整个分支）：

文件名	量化类型	文件大小	是否分割	描述
Snowpiercer-15B-v1-bf16.gguf	bf16	29.96GB	false	完整的BF16权重。
Snowpiercer-15B-v1-Q8_0.gguf	Q8_0	15.92GB	false	极高品质，通常不需要但为最大可用量化。
Snowpiercer-15B-v1-Q6_K_L.gguf	Q6_K_L	12.62GB	false	嵌入和输出权重使用Q8_0。极高品质，接近完美，推荐。
Snowpiercer-15B-v1-Q6_K.gguf	Q6_K	12.29GB	false	极高品质，接近完美，推荐。
Snowpiercer-15B-v1-Q5_K_L.gguf	Q5_K_L	11.07GB	false	嵌入和输出权重使用Q8_0。高品质，推荐。
Snowpiercer-15B-v1-Q5_K_M.gguf	Q5_K_M	10.65GB	false	高品质，推荐。
Snowpiercer-15B-v1-Q5_K_S.gguf	Q5_K_S	10.39GB	false	高品质，推荐。
Snowpiercer-15B-v1-Q4_K_L.gguf	Q4_K_L	9.61GB	false	嵌入和输出权重使用Q8_0。良好品质，推荐。
Snowpiercer-15B-v1-Q4_1.gguf	Q4_1	9.50GB	false	旧格式，性能类似Q4_K_S，但在Apple芯片上改进了tokens/watt。
Snowpiercer-15B-v1-Q4_K_M.gguf	Q4_K_M	9.11GB	false	良好品质，大多数用例的默认大小，推荐。
Snowpiercer-15B-v1-Q4_K_S.gguf	Q4_K_S	8.66GB	false	品质稍低但节省更多空间，推荐。
Snowpiercer-15B-v1-IQ4_NL.gguf	IQ4_NL	8.64GB	false	类似IQ4_XS，但稍大。为ARM CPU推理提供在线重打包。
Snowpiercer-15B-v1-Q4_0.gguf	Q4_0	8.63GB	false	旧格式，为ARM和AVX CPU推理提供在线重打包。
Snowpiercer-15B-v1-Q3_K_XL.gguf	Q3_K_XL	8.58GB	false	嵌入和输出权重使用Q8_0。品质较低但可用，适合低RAM环境。
Snowpiercer-15B-v1-IQ4_XS.gguf	IQ4_XS	8.20GB	false	品质尚可，比Q4_K_S更小但性能相似，推荐。
Snowpiercer-15B-v1-Q3_K_L.gguf	Q3_K_L	7.99GB	false	品质较低但可用，适合低RAM环境。
Snowpiercer-15B-v1-Q3_K_M.gguf	Q3_K_M	7.40GB	false	低品质。
Snowpiercer-15B-v1-IQ3_M.gguf	IQ3_M	6.94GB	false	中低品质，新方法，性能与Q3_K_M相当。
Snowpiercer-15B-v1-Q3_K_S.gguf	Q3_K_S	6.71GB	false	低品质，不推荐。
Snowpiercer-15B-v1-Q2_K_L.gguf	Q2_K_L	6.45GB	false	嵌入和输出权重使用Q8_0。极低品质但出奇地可用。
Snowpiercer-15B-v1-IQ3_XS.gguf	IQ3_XS	6.42GB	false	较低品质，新方法，性能尚可，略优于Q3_K_S。
Snowpiercer-15B-v1-IQ3_XXS.gguf	IQ3_XXS	5.99GB	false	较低品质，新方法，性能与Q3量化相当。
Snowpiercer-15B-v1-Q2_K.gguf	Q2_K	5.79GB	false	极低品质但出奇地可用。
Snowpiercer-15B-v1-IQ2_M.gguf	IQ2_M	5.35GB	false	相对较低品质，使用SOTA技术使其出奇地可用。
Snowpiercer-15B-v1-IQ2_S.gguf	IQ2_S	4.98GB	false	低品质，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，可以指定要下载的具体文件：

huggingface-cli download bartowski/TheDrummer_Snowpiercer-15B-v1-GGUF --include "TheDrummer_Snowpiercer-15B-v1-Q4_K_M.gguf" --local-dir ./

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

huggingface-cli download bartowski/TheDrummer_Snowpiercer-15B-v1-GGUF --include "TheDrummer_Snowpiercer-15B-v1-Q8_0/*" --local-dir ./

可以指定新的本地目录（TheDrummer_Snowpiercer-15B-v1-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“在线重打包”的功能，详情见此PR。如果使用Q4_0且硬件会受益于权重重打包，它将自动在运行时完成。

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，这要归功于此PR，它也会为ARM重打包权重，但目前仅支持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在线重打包的潜在理论性能提升。

点击查看AVX2系统（EPYC7702）上的基准测试

模型	大小	参数	后端	线程	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%