AQLM

加性量化技术实现大型语言模型高效压缩

AQLM项目开发了一种名为加性量化的新技术，可将大型语言模型压缩至原规模的1/16左右，同时基本保持原始性能。该技术适用于LLaMA、Mistral和Mixtral等多种模型架构，并提供了预量化模型。项目包含PyTorch实现代码、使用教程和推理优化方案，为大规模语言模型的实际应用提供了新思路。

Github

Huggingface

文档

论文

介绍相关项目

Replete-Coder-Llama3-8B-GGUF - 基于llama.cpp优化的高效量化方法提升文本生成性能

GithubHuggingfaceReplete-Coder-Llama3-8B开源项目数据集文本生成模型模型压缩量化

该开源项目利用llama.cpp进行模型量化，适用于HumanEval和AI2推理挑战等任务，提供多种量化选项如Q8_0和Q6_K，适应不同内存要求，同时优化性能表现。I-quant量化在低于Q4时表现良好，用户可依据自己的设备内存和GPU VRAM选择合适的量化格式，通过huggingface-cli便捷获取所需文件。

Mythalion-13B-AWQ - 利用高效的低比特量化提升Transformer推理速度

GithubHuggingfaceMythalion 13B伪人AI开源项目文本生成模型模型整合量化

该项目提供高效的AWQ模型文件，支持4比特量化在多用户环境中实现快速Transformer推理。虽然未量化模型的整体吞吐量更高，但通过使用更小的GPU，AWQ模型显著降低了部署成本，例如仅需1台48GB GPU即可运行70B模型。该模型适合需要高吞吐量并行推理的场景，用户可借助vLLM或AutoAWQ轻松调用以降低成本并简化部署。

quantized-models - 提供多源量化模型以提升大语言模型推理效率

GithubHuggingfacequantized-modelstransformers大型语言模型开源项目文本生成推理模型量化模型

quantized-models项目整合了多种来源的量化模型，旨在提高大语言模型的推理效率。模型支持者包括TheBloke、LoneStriker、Meta Llama等，提供gguf、exl2格式的支持。用户可通过transformers库便捷地进行文本生成，这些模型按现状发布，需遵循其各自的许可协议。

Meta-Llama-3.1-8B-Instruct-quantized.w8a8 - 量化优化的多语言文本生成模型

GithubHuggingfaceMeta-Llama-3vLLM多语言开源项目文本生成模型量化

该模型通过INT8量化优化，实现了GPU内存效率和计算吞吐量的提升，支持多语言文本生成，适用于商业和研究中的辅助聊天任务。在多个基准测试中，该模型实现了超越未量化模型的恢复率，尤其在OpenLLM和HumanEval测试中表现突出。使用GPTQ算法进行量化，有效降低了内存和磁盘的占用。可通过vLLM后端快速部署，并支持OpenAI兼容服务。

Llama-2-70B-Chat-AWQ - 基于AWQ的4位量化法优化多用户环境推理效率

AI助手GithubHuggingfaceLlama 2Meta开源项目性能优化模型量化

AWQ是一种高效的四位量化方法，能够提升Transformer的推理速度。结合vLLM，该方案在多用户服务器中实现高吞吐量的并发推理。AWQ的优势包括支持使用较小的GPU进行运行，简化部署要求并降低整体成本。例如，一个70B模型可在一台48GB的GPU上运行，而无需使用两台80GB设备。尽管目前整体吞吐量仍低于未量化模型，AWQ提供了更灵活的硬件选择。

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。

InternVL2-2B-AWQ - 跨多语言多图像任务的高效视觉语言模型

API接口GithubHuggingfaceInternVL2-2B图像文本多模态开源项目模型模型量化

InternVL2-2B-AWQ以AWQ算法实现4bit权重量化，模型推理速度较FP16提升至2.4倍。lmdeploy兼容众多NVIDIA GPU进行W4A16推理，提升离线批量推理效率。同时，该项目提供RESTful API服务并兼容OpenAI接口，快速部署和应用于视觉-语言任务。此多语言兼容的模型不仅提高推理效率，还具备灵活的服务特性。

Midnight-Miqu-70B-v1.5-4bit - 为大规模语言模型提供高效4位量化部署方案

AI模型压缩AWQGithubHuggingfaceMidnight-Miqu-70Blmdeploy开源项目模型量化模型

Midnight-Miqu-70B-v1.5-4bit是一个经过lmdeploy工具优化的4位量化模型，旨在实现大规模语言模型的高效部署。该项目通过自动量化技术显著减小模型体积，同时保持性能稳定。这为在资源受限环境中部署强大语言模型提供了实用解决方案，可应用于多种自然语言处理任务。

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。

Llama-2-13B-chat-AWQ - 增强Transformer模型推理效率的AWQ量化技术

GithubHuggingfaceLlama 2Meta对话优化开源项目文本生成模型模型量化

Llama-2-13B-chat-AWQ项目利用AWQ低比特量化提高Transformer模型推理效率，支持4比特量化技术，相较于传统GPTQ方法，能更快速地实现多用户并发推理，降低硬件要求和部署成本。AWQ现已兼容vLLM平台进行高吞吐量推理，尽管总体吞吐量较未量化模型略有不如，但可通过较小的GPU实现高效部署，比如70B模型仅需一台48GB GPU即可运行。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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