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

mlx-llm - 在Apple Silicon上实时运行的高级语言模型应用与工具

Apple SiliconGithubHuggingFaceLarge Language ModelsQuantizationmlx-llm开源项目

mlx-llm支持用户在Apple Silicon设备上实时运行高级语言模型（LLMs）的应用和工具。该项目支持多种预训练模型，并提供简便的安装方法。用户可以加载新版预训练权重、进行模型量化及嵌入提取。此外，mlx-llm还覆盖了多种应用场景，包括命令行聊天、LoRA或QLoRA微调及检索增强生成（RAG）等。

Meta-Llama-3.1-8B-Instruct-FP8-KV - FP8量化策略提升模型计算效率

FP8GithubHuggingfaceMeta-Llama-3.1-8B-InstructQuark开源项目模型部署量化策略

项目利用Quark工具对模型的线性层进行FP8量化，实现更高效的部署和轻微的推理性能提升。使用Pile数据集进行校准，提高模型性能。支持单GPU和多GPU环境，便于在vLLM兼容后端进行高效部署，Perplexity指标略有提升。

molmo-7B-D-bnb-4bit - 量化技术优化，模型尺寸有效缩减

GithubHuggingfacetransformers基准测试开源项目机器学习模型模型深度学习量化

采用4bit量化技术的Molmo-7B-D模型，从30GB压缩至7GB，运行需求缩减至约12GB VRAM。项目致力于在保持低资源消耗的基础上提升模型性能。进一步的信息及示例代码可在GitHub和Hugging Face上获取，性能指标及基准测试结果预定于下周发布。

Meta-Llama-3.1-405B-Instruct-GPTQ-INT4 - Meta Llama 3.1模型的INT4量化版本实现多语言对话

GithubHuggingfaceLlama 3.1大语言模型开源项目推理部署模型模型量化深度学习

Meta-Llama-3.1-405B-Instruct量化模型通过AutoGPTQ技术将FP16压缩至INT4格式，实现了更高效的多语言对话能力。模型集成了transformers、AutoGPTQ、TGI和vLLM等多种推理框架，方便灵活部署。经过基准测试验证，该社区驱动的量化版本在降低内存占用的同时保持了原有性能水平。

Llama3-8B-1.58-100B-tokens - 基于BitNet架构的Llama3 8B量化版本

BitNetGithubHuggingfaceLlama3-8B-1.58开源项目模型模型训练语言模型量化

这是一个基于BitNet 1.58b架构的语言模型，通过对Llama-3-8B-Instruct进行微调开发。模型在FineWeb-edu数据集上完成了1000亿token的训练，采用1e-5学习率。测评显示其部分性能指标接近原版Llama3 8B，体现了极限量化在大型语言模型领域的应用潜力。

Mistral-Large-Instruct-2407-GGUF - Mistral-Large-Instruct-2407模型的多语言量化方法与文件选择建议

GPU性能优化GithubHuggingfaceMistral-Large-Instruct-2407开源项目文本生成模型量化量化格式

Mistral-Large-Instruct-2407项目提供了多种语言支持的模型量化版本。通过llama.cpp工具，用户可以根据不同的RAM和VRAM需求进行量化。文章详细介绍每种量化文件的特性与性能建议，帮助用户根据硬件条件选取适合的文件，实现模型的快速或高质量运行。推荐关注K-quant与I-quant格式文件以在性能与速度间取得平衡。

MobiLlama - 为资源受限设备提供高效的小型语言模型

GithubMobiLlama大语言模型小语言模型开源项目模型下载生成模型

MobiLlama项目提供一个高效的开源小型语言模型，适用于设备上处理、节能和低内存占用的需求。通过参数共享技术，MobiLlama从较大模型简化而来，降低了预训练和部署成本，实现了资源受限设备上高效处理语言任务。

Llama-3.1-Nemotron-lorablated-70B-i1-GGUF - Llama-3.1的矩阵量化技术优化模型性能

GithubHugging FaceHuggingfaceLlama-3.1-Nemotron-lorablated-70BQuants使用方法开源项目模型量化

该项目提供了一系列用于Llama-3.1-Nemotron模型的加权和矩阵量化文件，旨在优化模型的性能和运行效率。这些文件在缩小模型尺寸的同时保持了质量，适用于多种场景。用户可依据需求选择适合的量化级别，具体使用说明请参阅指南。项目的成功得益于各方支持和资源，推动了更多高质量量化文件的开发，助力广泛的研究和应用。

lmql - 为大语言模型（LLMs）设计的基于Python的编程语言

GithubLMQLPython大型语言模型开源项目编程语言高级解码

LMQL是一种基于Python的编程语言，专为大语言模型（LLMs）设计。它结合传统编程与LLM调用，实现代码级的LLM互动。LMQL允许在执行过程中实时调用LLM，并通过约束机制控制模型行为。支持多种解码算法和多模型集成，通过丰富的控制流和异步API，提高语言模型应用效率。用户可以通过浏览器内的Playground IDE探索更多示例和文档。

AutoFP8 - 量化库优化大语言模型推理性能

AutoFP8FP8量化GithubvLLM开源项目模型压缩神经网络

AutoFP8是一个开源FP8量化库，用于生成vLLM兼容的压缩检查点。它提供FP8_E4M3精度的量化权重、激活和KV缓存比例，支持静态和动态激活方案。AutoFP8能将预训练模型转换为FP8格式，与vLLM无缝集成，提高大语言模型推理效率，同时保持模型精度。这个工具适用于优化和部署大规模语言模型。

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