首先，确保你已安装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/xlangai_Jedi-3B-1080p-GGUF --include "xlangai_Jedi-3B-1080p-Q4_K_M.gguf" --local-dir ./

如果模型大于50GB，它将被分割成多个文件。要将所有文件下载到本地文件夹，请运行：

huggingface-cli download bartowski/xlangai_Jedi-3B-1080p-GGUF --include "xlangai_Jedi-3B-1080p-Q8_0/*" --local-dir ./

你可以指定一个新的本地目录（xlangai_Jedi-3B-1080p-Q8_0），也可以将它们全部下载到当前位置（./）。

我保留这部分内容是为了展示使用带有在线重新打包的Q4_0在理论上可能带来的性能提升。

Artefact2 提供了一篇很棒的文章，并带有展示各种性能的图表，见 此处。

首先，你需要确定能运行多大的模型。为此，你需要了解自己拥有多少内存（RAM）和/或显存（VRAM）。

如果你希望模型运行速度尽可能快，你需要将整个模型加载到GPU的显存中。建议选择文件大小比GPU总显存小1 - 2GB的量化模型。

如果你追求绝对最高质量，将系统内存和GPU显存相加，然后选择文件大小比该总和小1 - 2GB的量化模型。

接下来，你需要决定是使用“I-量化”还是“K-量化”。

如果你不想考虑太多，可以选择K-量化模型。这些模型的格式为'QX_K_X'，如Q5_K_M。

如果你想深入了解，可以查看这个非常有用的功能图表：

llama.cpp功能矩阵

但通常来说，如果你目标是Q4以下的量化，并且使用cuBLAS（Nvidia）或rocBLAS（AMD），应该考虑I-量化模型。这些模型的格式为IQX_X，如IQ3_M。它们是较新的量化方式，在相同大小下性能更好。

这些I-量化模型也可以在CPU上使用，但速度会比对应的K-量化模型慢，因此你需要在速度和性能之间做出权衡。