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

TinyLlama-1.1B-Chat-v1.0-GPTQ-4bit - 基于GPTQ量化技术的轻量级4位对话AI模型

GPTQGithubHuggingfaceTinyLlama开源项目机器学习模型模型压缩量化模型

TinyLlama-1.1B-Chat-v1.0的4位量化版本，是一个轻量级对话AI模型。该项目采用AutoGPTQ技术进行量化，使用GPTQ方法将模型压缩至4位精度。量化配置包括128的组大小、0.01%的阻尼比例和对称量化等特性。这种优化显著降低了模型大小和内存占用，同时保持了模型性能，为资源受限的AI应用提供了高效解决方案。

Llama-3.2-1B-Instruct-GGUF - Llama 3.2模型的多精度量化版本

GithubHuggingfaceLlama人工智能开源开源项目模型语言模型量化

Llama-3.2-1B-Instruct-GGUF是Llama 3.2模型的量化版本,使用llama.cpp和imatrix方法进行处理。该项目提供从f16到Q3_K_XL多种精度选项,文件大小在0.80GB至2.48GB之间。这些模型支持多语言处理,适合在资源受限的设备上运行,用户可根据需求选择合适版本以平衡性能和资源占用。

Qwen2.5-Coder-7B-Instruct-GGUF - 深度学习模型的多规格量化版本适配不同硬件和性能要求

GGUFGithubHuggingfaceQwen2.5-Coder-7B-Instructllama.cpp大语言模型开源项目模型量化

本项目为Qwen2.5-Coder-7B-Instruct模型提供了从15GB到2.78GB的多种量化版本。采用llama.cpp最新技术，包括K-quants和I-quants两种量化方案，并针对ARM架构优化。用户可根据设备内存容量和性能需求选择适合版本。各版本保留原始模型核心功能，适用于多种部署场景。

StarCoder2-7B-GGUF - 多种量化模型版本，提升代码生成性能与存储效率

GithubHuggingfaceLlamaEdgeStarCoder2代码生成开源项目模型模型压缩量化模型

此项目提供多种量化模型版本，旨在优化代码生成任务中的性能与存储效率。可选范围包括小容量、质量损失较大的版本到大容量、质量损失低的版本，以满足各种需求。Q4_K_M与Q5_K_M模型在质量与容量间表现出良好的平衡。该项目使用llama.cpp进行量化，适合空间与性能有特定需求的开发者。

Meta-Llama-3-8B-Instruct-FP8-KV - 基于FP8量化技术的Meta Llama 3指令模型

GithubHuggingfaceMeta-Llama-3vLLM人工智能开源项目模型模型量化深度学习

Meta-Llama-3-8B-Instruct-FP8-KV是一个采用FP8权重和激活量化的语言模型，通过每张量量化技术和FP8量化的KV缓存实现性能优化。模型与vLLM 0.5.0及以上版本兼容，基于AutoFP8框架和UltraChat数据集完成校准，适用于大规模语言模型的部署场景。

Qwen2.5-7B-bnb-4bit - 采用4bit量化技术加速Qwen2.5-7B模型并降低70%内存占用

GithubHuggingfaceQwen2.5Unsloth大语言模型开源项目模型模型微调深度学习

基于Qwen2.5-7B的量化优化版本，通过4bit量化技术将内存占用降低70%。模型拥有76亿参数，具备128K上下文长度和29种语言处理能力，支持编码、数学运算和长文本生成等功能。该版本在保持原有性能的同时实现轻量化部署，可用于后续的模型微调与定制开发。

Llama-2-7B-GPTQ - Llama 2 7B的GPTQ量化版本支持多种参数选项

GithubHuggingfaceLlama 2Meta人工智能大语言模型开源项目模型自然语言处理

该项目提供Meta Llama 2 7B模型的GPTQ量化版本,包含4位精度、多种组大小和Act Order等参数选项。模型文件兼容AutoGPTQ、ExLlama等框架,适用于GPU推理。项目提供了在text-generation-webui使用的说明,以及Python代码调用示例。这些量化版本在保持性能的同时降低显存占用,便于更多用户部署使用Llama 2模型。

Replete-LLM-V2.5-Qwen-32b-GGUF - 量化模型文件下载指南，通过选择适合的文件优化性能

GithubHuggingfaceReplete-LLM-V2.5-Qwen-32b嵌入输出权重开源项目文本生成模型视觉处理量化

该项目使用llama.cpp工具进行模型量化，提供多种Replete-LLM-V2.5-Qwen-32b模型文件下载选项。每种文件类型均说明其特性，如高质量和性能等，并适应不同硬件环境，以帮助用户根据需求优化模型质量或速度。文件适用于多种RAM和VRAM配置，便于在不同系统中实现优异性能。

LongQLoRA - 大语言模型上下文长度高效扩展的创新方法

GithubLongQLoRA上下文长度扩展低资源训练大语言模型开源项目性能评估

LongQLoRA是一种扩展大语言模型上下文长度的方法，可在单个32GB V100 GPU上将LLaMA2模型的上下文长度从4096扩展到8192。该方法在PG19和Proof-pile数据集上表现优异，仅需1000步微调即可达到接近MPT-7B-8K的性能。项目还提供了预训练数据集、指令微调数据集以及扩展上下文长度的模型。

mlc-llm - 通用大语言模型高性能部署引擎

AI模型优化GithubMLC LLMMLCEngine开源项目机器学习编译器高性能部署

MLC LLM是一款用于大语言模型的高性能部署引擎，支持用户在各种平台上开发、优化和部署AI模型。核心组件MLCEngine通过REST服务器、Python、JavaScript、iOS和Android等接口提供OpenAI兼容的API，支持AMD、NVIDIA、Apple和Intel等多种硬件平台。项目持续优化编译器和引擎，与社区共同发展。

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