Nvidia AceInstruct 7B GGUF

由 bartowski 开发

基于英伟达AceInstruct-7B模型的量化版本，使用llama.cpp进行量化，支持多种量化类型，适用于代码、数学和通用领域任务。

大型语言模型 #指令微调模型 #多领域通用 #高精度量化

下载量 196

发布时间 : 2/12/2025

模型介绍

内容详情

替代品

模型简介

这是一个7B参数的指令模型，经过量化处理以降低资源需求，同时保持较高的性能。适用于文本生成、代码理解和数学推理等任务。

模型特点

多种量化选项

提供从F32到Q2_K的多种量化版本，满足不同硬件和性能需求。

高性能推理

使用imatrix量化技术，保持模型性能的同时显著减少资源占用。

广泛兼容性

支持在LM Studio、llama.cpp及基于llama.cpp的项目中运行。

嵌入和输出权重优化

部分量化版本对嵌入和输出权重进行特殊处理，进一步提升性能。

模型能力

文本生成

代码理解

数学推理

指令跟随

使用案例

编程辅助

代码生成

根据自然语言描述生成代码片段。

代码解释

解释复杂代码的功能和逻辑。

教育

数学问题解答

解决数学问题和提供解题步骤。

通用文本处理

内容创作

生成文章、故事或其他文本内容。

量化者：bartowski
流水线标签：文本生成
许可证：cc-by-nc-4.0
语言：

英语
标签：
英伟达
AceInstruct
代码
数学
通用领域
指令模型
基础模型：nvidia/AceInstruct-7B

英伟达AceInstruct-7B的Llamacpp imatrix量化版本

使用llama.cpp发布的b4688版本进行量化。

原始模型：https://huggingface.co/nvidia/AceInstruct-7B

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  
{系统提示}<|im_end|>  
<|im_start|>user  
{提示}<|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
AceInstruct-7B-f32.gguf	f32	30.47GB	否	完整的F32权重。
AceInstruct-7B-f16.gguf	f16	15.24GB	否	完整的F16权重。
AceInstruct-7B-Q8_0.gguf	Q8_0	8.10GB	否	极高品质，通常不需要，但为最高可用量化。
AceInstruct-7B-Q6_K_L.gguf	Q6_K_L	6.52GB	否	嵌入和输出权重使用Q8_0。极高品质，接近完美，推荐。
AceInstruct-7B-Q6_K.gguf	Q6_K	6.25GB	否	极高品质，接近完美，推荐。
AceInstruct-7B-Q5_K_L.gguf	Q5_K_L	5.78GB	否	嵌入和输出权重使用Q8_0。高品质，推荐。
AceInstruct-7B-Q5_K_M.gguf	Q5_K_M	5.44GB	否	高品质，推荐。
AceInstruct-7B-Q5_K_S.gguf	Q5_K_S	5.32GB	否	高品质，推荐。
AceInstruct-7B-Q4_K_L.gguf	Q4_K_L	5.09GB	否	嵌入和输出权重使用Q8_0。良好品质，推荐。
AceInstruct-7B-Q4_1.gguf	Q4_1	4.87GB	否	传统格式，性能类似Q4_K_S，但在Apple芯片上功耗表现更优。
AceInstruct-7B-Q4_K_M.gguf	Q4_K_M	4.68GB	否	良好品质，适用于大多数场景的默认大小，推荐。
AceInstruct-7B-Q3_K_XL.gguf	Q3_K_XL	4.57GB	否	嵌入和输出权重使用Q8_0。质量较低但可用，适合内存有限的情况。
AceInstruct-7B-Q4_K_S.gguf	Q4_K_S	4.46GB	否	质量稍低但节省更多空间，推荐。
AceInstruct-7B-Q4_0.gguf	Q4_0	4.44GB	否	传统格式，支持ARM和AVX CPU推理的在线重打包。
AceInstruct-7B-IQ4_NL.gguf	IQ4_NL	4.44GB	否	类似IQ4_XS，但稍大。支持ARM CPU推理的在线重打包。
AceInstruct-7B-IQ4_XS.gguf	IQ4_XS	4.22GB	否	质量尚可，比Q4_K_S更小且性能相近，推荐。
AceInstruct-7B-Q3_K_L.gguf	Q3_K_L	4.09GB	否	质量较低但可用，适合内存有限的情况。
AceInstruct-7B-Q3_K_M.gguf	Q3_K_M	3.81GB	否	质量较低。
AceInstruct-7B-IQ3_M.gguf	IQ3_M	3.57GB	否	中低质量，新方法性能尚可，与Q3_K_M相当。
AceInstruct-7B-Q2_K_L.gguf	Q2_K_L	3.55GB	否	嵌入和输出权重使用Q8_0。质量非常低但意外可用。
AceInstruct-7B-Q3_K_S.gguf	Q3_K_S	3.49GB	否	质量较低，不推荐。
AceInstruct-7B-IQ3_XS.gguf	IQ3_XS	3.35GB	否	质量较低，新方法性能尚可，略优于Q3_K_S。
AceInstruct-7B-IQ3_XXS.gguf	IQ3_XXS	3.11GB	否	质量较低，新方法性能尚可，与Q3量化相当。
AceInstruct-7B-Q2_K.gguf	Q2_K	3.02GB	否	质量非常低但意外可用。
AceInstruct-7B-IQ2_M.gguf	IQ2_M	2.78GB	否	质量相对较低，使用SOTA技术使其意外可用。

嵌入/输出权重

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，可以指定目标文件：

huggingface-cli download bartowski/nvidia_AceInstruct-7B-GGUF --include "nvidia_AceInstruct-7B-Q4_K_M.gguf" --local-dir ./

如果模型超过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/nvidia_AceInstruct-7B-GGUF --include "nvidia_AceInstruct-7B-Q8_0/*" --local-dir ./

可以指定新的本地目录（如nvidia_AceInstruct-7B-Q8_0）或直接下载到当前目录（./）

ARM/AVX信息

过去，用户会下载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，一次性加载更多数据。

但现在，权重支持“在线重打包”。详情见此PR。如果使用Q4_0且硬件受益于重打包，系统会自动实时处理。

从llama.cpp构建版本b4282起，无法运行Q4_0_X_X文件，需改用Q4_0。

此外，若追求略高质量，可使用IQ4_NL（基于此PR），它也会为ARM重打包权重（目前仅支持4_4）。加载时间可能更长，但会提升整体速度。

点击查看Q4_0_X_X信息（已弃用）

保留此部分以展示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

模型	大小	参数量	后端	线程数	测试	每秒令牌数	百分比（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%