Project Icon

Mistral-Nemo-Instruct-2407-gptq-4bit

采用GPTQ技术的4位量化语言模型

Mistral-Nemo-Instruct-2407-gptq-4bit是一个使用GPTQModel进行4位量化的语言模型。该模型采用128组大小和真实顺序等技术,在维持性能的同时大幅缩减模型体积。这种量化方法提高了模型的部署效率,适用于计算资源有限的场景。

Mistral-Small-Instruct-2409 - 22B参数高性能指令微调语言模型
AI聊天GithubHuggingfaceMistral-Small-Instruct-2409函数调用大语言模型开源项目模型模型推理
Mistral-Small-Instruct-2409是一款22B参数的指令微调语言模型,具备32768词汇量和32k序列长度。该模型支持聊天、指令跟随和函数调用等功能,可通过vLLM、mistral-inference或Hugging Face Transformers库进行使用。作为一个开源项目,Mistral-Small-Instruct-2409为自然语言处理研究和应用提供了新的可能性。
Mistral-7B-Instruct-v0.1-GGUF - Mistral 7B Instruct模型的GGUF量化版本
AI模型GGUFGithubHuggingfaceMistral 7B开源项目模型自然语言处理量化
本项目提供Mistral 7B Instruct v0.1模型的GGUF格式量化版本。GGUF是llama.cpp团队推出的新格式,替代了GGML。项目包含2至8比特多种量化模型文件,支持CPU和GPU高效推理,适用于llama.cpp、text-generation-webui等多种客户端和库。此外还提供兼容性说明、文件说明和使用指南。
Qwen2-1.5B-Instruct-IMat-GGUF - 运用量化技术优化Qwen2-1.5B-Instruct模型的文本生成能力
GithubHuggingfaceIMatrixQwen2-1.5B-Instruct开源项目文本生成模型量化
项目利用llama.cpp对Qwen2-1.5B-Instruct模型进行量化,支持从8bit到1bit的多种位数及IMatrix数据集。这种方法能减少模型体积且保持性能多样,适用于不同文本生成任务。用户可使用huggingface-cli简便下载及合并文件,以满足不同应用需求。项目因其灵活性及高效性,适宜不同计算资源的使用者,为其提供多样选择。
Qwen2.5-14B-Instruct-GGUF - 针对不同硬件环境优化的大模型量化版本
GPU运算GithubHuggingfaceQwen2.5-14B-Instruct人工智能模型开源项目模型模型推理模型量化
Qwen2.5-14B-Instruct模型的量化优化项目,通过F16到Q2_K等多种精度量化方案,将模型体积压缩至5.36GB-29.55GB范围。项目集成了ARM芯片优化版本和创新的I-quant量化技术,实现了模型性能、速度与硬件适配的平衡。量化版本涵盖了从高精度到轻量级的多个选项,方便在不同计算资源条件下部署使用。
Meta-Llama-3.1-8B-Instruct-AWQ-INT4 - 高性能4比特量化优化版本
AutoAWQGithubHuggingfaceMeta-Llama-3.1大语言模型开源项目推理模型量化
Meta-Llama-3.1-8B-Instruct模型的社区驱动4比特量化版本,采用AutoAWQ技术从FP16量化到INT4。该版本仅需4GB显存即可加载,大幅降低内存占用。支持Transformers、AutoAWQ、TGI和vLLM等多种推理方式,适用于不同部署场景。量化模型在保持原始性能的同时,为资源受限环境提供了高效的大语言模型方案。
Ministral-3b-instruct-GGUF - 更高效的量化语言模型,为文本生成带来显著性能提升
Apache 2.0GithubHuggingfaceNLPtransformers开源项目模型模型量化语言模型
Ministral-3b-instruct-GGUF是一个基于llama.cpp的高效量化模型,专为Ministral系列的3B参数设计优化,并从Mistral-7B进行微调。它使用混合数据集,主要用于英语文本生成。通过量化技术,该模型在保持精度的同时,显著减少了存储和计算需求,理想应用于高效文本生成场景。项目遵循Apache 2.0许可协议,以确保合规使用。
Mistral-Large-Instruct-2407 - Mistral大语言模型在多语言理解与高级推理方面展现卓越性能
GithubHuggingfaceMistral-Large-Instruct人工智能授权函数调用多语言支持大语言模型开源项目模型
Mistral-Large-Instruct-2407作为一款基于123B参数构建的大规模语言模型,集成了多语言处理、代码编程和数学推理等核心功能。模型配备128k上下文窗口,支持80余种编程语言,同时提供函数调用与JSON输出特性。在MMLU测试中达到84.0%的优异成绩,MT Bench评分为8.63,彰显其在自然语言处理领域的实力。目前该模型已开放研究及非商用场景应用。
glm-4-9b-chat-1m-GGUF - 基于GLM-4的轻量级中文对话模型量化版本
GGUFGLM-4GPU优化GithubHuggingface大语言模型开源项目模型模型量化
该项目基于GLM-4-9b-chat-1m模型开发,通过llama.cpp实现多种精度的模型量化。从18GB的F16版本到4GB的IQ2版本,提供了丰富的量化选项。项目中包含详细的性能对比和部署建议,方便开发者根据硬件条件选择合适的量化版本进行本地化部署。
Qwen2.5-3B-Instruct-GGUF - Qwen2.5-3B-Instruct重启量化技术提升多设备文本生成表现
GithubHuggingfaceQwen2.5-3B-Instruct嵌入输出权重开源项目文件大小模型模型下载量化
本项目通过使用llama.cpp进行量化优化,使文本生成模型在各类设备上运行更为高效,其在ARM芯片上的性能尤为突出,同时提供多种量化类型以满足不同内存和计算需求。更新的tokenizer进一步提升了文本生成质量。项目提供多种K-quant和I-quant选项以满足特定环境需求,并深入对比不同量化格式的性能差异。为研究人员和开发者提供丰富下载资源和技术支持,助力大规模语言模型的高效实现。
Qwen2.5-7B-Instruct-GPTQ-Int8 - Qwen2.5模型实现多语言支持与优化长文本处理
GithubHuggingfaceQwen2.5多语言支持大模型开源项目指令微调模型量化模型
Qwen2.5模型具备多语言支持和改良的长文本处理能力,增强了编程、数学及指令执行的表现。其GPTQ-8位量化模型支持最长128K上下文与最高生成8192个令牌,提供因果语言模型架构,适合多领域应用。支持29种语言,包括中文、英语和法语,为开发者提供多样化的功能。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号