SqueezeLLM

硬件资源优化下的大语言模型量化服务

SqueezeLLM 量化大语言模型内存优化模型压缩 Github 开源项目

SqueezeLLM通过密集与稀疏量化方法降低大语言模型的内存占用并提升性能，将权重矩阵拆分为易量化的密集组件和保留关键部分的稀疏组件，实现更小内存占用、相同延迟和更高精度。支持包括LLaMA、Vicuna和XGen在内的多个热门模型，提供3位和4位量化选项，适用于不同稀疏度水平。最新更新涵盖Mistral模型支持和自定义模型量化代码发布。

访问官网

Github

Huggingface

介绍相关项目

Meta-Llama-3.1-70B-Instruct-quantized.w4a16 - Meta-Llama 3.1 70B模型的INT4量化版本性能几乎不损

GithubHuggingfaceINT4Meta-Llama-3.1vLLM开源项目模型自然语言处理量化模型

Meta-Llama-3.1-70B-Instruct模型的INT4量化版本，模型大小减少75%，但性能几乎不损。支持多语言，适用于商业和研究。可通过vLLM高效部署，在Arena-Hard、OpenLLM和HumanEval等测试中表现优异，展示出卓越的推理和编码能力。

OpenLLM - 一键部署开源LLM，支持企业级云部署和OpenAI兼容API

GithubOpenAI兼容APIOpenLLM云部署开源项目热门自托管LLM量化模型

OpenLLM为开发者提供一键部署各种开源大型语言模型(LLM)到企业级云环境的解决方案，支持OpenAI兼容的API端点。该项目集成最新的加速解码技术，并提供内置的ChatGPT界面，能够快速实现模型的互动和部署。用户只需简单的命令，即可本地运行或部署到云端，轻松管理和使用各种顶尖LLM，如Llama 3.1、Mistral和Qwen2等。

Qwen2.5-72B-Instruct-GGUF - 大语言模型多种量化版本集合适配不同硬件配置

GithubHuggingfaceQwen2.5-72Bllama.cpp人工智能模型内存优化开源项目模型模型量化

该项目提供了Qwen2.5-72B-Instruct模型的18种量化版本，文件大小范围为23GB至77GB。使用llama.cpp的最新量化技术，包括K-quants和I-quants系列。所有版本均经imatrix优化，并更新了上下文长度设置和分词器。项目还提供了详细的性能对比和设备兼容性指南，方便用户根据自身硬件配置选择合适版本。这些模型特别适合在LM Studio等推理引擎上运行。

LiteLLM - 多语言模型的统一API管理和负载均衡解决方案

AI工具API统一LLM代理LiteLLM企业级服务开源

LiteLLM是一个代理服务器，为100多种大型语言模型提供统一API接口。它支持负载均衡、故障转移和支出跟踪，采用OpenAI格式。该工具简化了认证、资源分配和成本控制。LiteLLM提供开源和企业级解决方案，适用于不同规模组织。它拥有大量Docker下载量和请求服务量，得到众多贡献者支持。

LongWriter-llama3.1-8b-GGUF - 长上下文自然语言生成的突破与模型量化技术

GithubHuggingfaceLongWriter-llama3.1-8btransformers开源项目模型模型下载量化量化格式

LongWriter-llama3.1-8b-GGUF项目通过llama.cpp实现imatrix量化，为长上下文自然语言生成提供全面解决方案。支持英文和中文，涵盖多种量化类型，满足不同硬盘和速度需求。用户可根据VRAM和RAM选择合适的模型文件，获取最佳运行速度或质量。项目兼容多种硬件，包括Nvidia的cuBLAS、AMD的rocBLAS和Apple Metal，并提供I-quant与K-quant使用指南。文件可通过huggingface-cli下载，帮助用户提高自然语言处理效率。

Llama-3-8B-Instruct-GPTQ-4-Bit - 利用GPTQ量化优化模型性能的新方法

Apache AirflowGPTQGithubHuggingfaceMeta-Llama-3-8B-Instruct开源项目数据协调模型量化

Astronomer的4比特量化模型通过GPTQ技术减少VRAM占用至不足6GB，比原始模型节省近10GB。此优化提高了延迟和吞吐量，即便在较便宜的Nvidia T4、K80或RTX 4070 GPU上也能实现高效性能。量化过程基于AutoGPTQ，并按照最佳实践进行，使用wikitext数据集以减小精度损失。此外，针对vLLM和oobabooga平台提供详细配置指南，以有效解决加载问题。

Phi-3.1-mini-128k-instruct-GGUF - 量化指导优化内存资源使用

GithubHuggingfacePhi-3-mini-128k-instruct下载文件开源项目模型模型选择量化高质量

项目利用llama.cpp和imatrix技术对模型进行量化，提供适合不同内存需求的文件。用户可通过huggingface-cli根据硬件选择量化格式，实现速度与质量平衡。同时，项目提供特性图表以指引用户选择‘I-quant’或‘K-quant’方法，满足不同硬件环境性能要求。

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。

Llama-3.2-1B-Instruct-Uncensored-GGUF - Llama小型无审查语言模型的量化实现

GGUFGithubHuggingfaceLlamatransformers开源项目模型语言模型量化模型

这是针对Llama-3.2-1B-Instruct-Uncensored模型的GGUF量化项目，提供从Q2_K到f16在内的多种量化版本。模型文件大小范围在0.7GB至2.6GB之间，通过不同的量化方案平衡了性能与存储空间。项目包含完整的性能对比数据和使用文档，方便开发者根据实际需求选择合适的模型版本。

AutoAWQ - 面向大型语言模型的高效4位量化框架

AutoAWQGPU加速Github大语言模型开源项目推理量化

AutoAWQ是一个专门针对大型语言模型的4位量化框架，通过实现激活感知权重量化算法，可将模型速度提升3倍，同时减少3倍内存需求。该框架支持Mistral、LLaVa、Mixtral等多种模型，具备多GPU支持、CUDA和ROCm兼容性以及PEFT兼容训练等特性。AutoAWQ为提升大型语言模型的推理效率提供了有力工具。

相关项目

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。

使用协议隐私政策广告服务

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