Project Icon

Mistral-Nemo-Instruct-2407-GGUF

Mistral Nemo多语言指令模型的量化版本

Mistral-Nemo-Instruct-2407模型的GGUF量化实现,包含从Q2到Q8多个量化等级,文件大小范围为4.9GB至13.1GB。模型原生支持英语、法语、德语等8种语言,基于Apache 2.0协议开源。项目提供了各量化版本的性能对比数据及使用文档,便于在性能和资源消耗间做出合适选择。

Qwen2.5-32B-Instruct-GGUF - 全面汇总32B大语言模型量化版本 多设备支持
GGUFGithubHuggingfaceQwen2.5-32B-Instruct大语言模型开源项目推理优化模型量化
本项目提供Qwen2.5-32B-Instruct模型的多种量化版本,精度从f16到IQ2_XXS,文件大小9GB至65GB不等。量化模型适用于CPU、GPU等设备,可根据硬件配置选择。项目包含详细的模型选择指南和下载说明,便于用户使用这个32B参数的大语言模型。特别推荐Q6_K、Q5_K和Q4_K系列,以及新型IQ系列量化版本。
Mistral-7B-Instruct-v0.1-AWQ - AWQ量化优化的Mistral-7B指令模型 支持GPU加速推理
AWQ量化GithubHuggingfaceMistral-7B-Instruct-v0.1人工智能大语言模型开源项目指令微调模型
Mistral-7B-Instruct-v0.1-AWQ是基于Mistral AI开源的指令微调语言模型,经过AWQ 4位量化优化。该模型保留了原版的分组查询注意力和滑动窗口注意力等特性,同时大幅降低了模型大小,提升了GPU推理速度。它支持处理4096个token的长文本输入,适合需要高效部署的应用场景。开发者可以通过Python接口便捷地使用该模型进行文本生成。
Qwen2.5-14B_Uncensored_Instruct-GGUF - 高性能量化版本适用于多种设备和场景
GGUFGithubHuggingfaceQwen2.5-14B开源项目文本生成模型模型压缩量化
此项目为Qwen2.5-14B无审查指令模型提供多种量化版本,涵盖从29.55GB的F16到5.36GB的IQ2_M等不同规格。量化类型包括Q8_0、Q6_K、Q5_K、Q4_K、Q3_K和IQ系列,适应不同硬件配置需求。项目详细介绍了各版本特点、文件大小和适用场景,并提供选择指南和下载方法,方便用户根据设备性能选择合适版本。
Mixtral-8x7B-Instruct-v0.1-GPTQ - Mixtral-8x7B多语言推理模型的GPTQ量化版本
GPTQGithubHuggingfaceMixtral 8X7B大语言模型开源项目推理模型量化
本项目提供Mistral AI的Mixtral-8x7B-Instruct-v0.1模型的GPTQ量化版本,支持法语、意大利语、德语、西班牙语和英语多语言推理。模型采用Mixtral架构,提示模板为'[INST] {prompt} [/INST]'。项目提供多种量化参数选项,可适应不同硬件和需求,在保证性能的同时降低资源消耗。该模型使用Apache 2.0许可发布。
Qwen2.5-7B-Instruct-Uncensored-GGUF - 中英文无删减指令模型的最新静态量化版本,适合多语言支持
GithubHugging FaceHuggingfaceQwen2.5-7B-Instruct-Uncensored开源项目数据集模型量化
该项目为Qwen2.5-7B-Instruct-Uncensored模型提供多种质量和大小的静态量化文件,支持中英文双语功能。用户可选择合适的量化类型,包括快速的Q4_K_S与Q4_K_M以及高质量的Q8_0和Q6_K。这些文件可提升模型性能,尤其在敏感内容处理及多语言支持方面。使用说明可参考TheBloke的文档。项目得益于nethype公司的资源支持。
Mistral-Nemo-Base-2407 - Mistral和NVIDIA联合开发的多语言大模型支持128k超长上下文
GithubHuggingfaceMistral-Nemo-Base-2407多语言支持大语言模型开源项目机器学习模型深度学习
Mistral-Nemo-Base-2407是Mistral AI与NVIDIA合作推出的开源语言模型,采用12B参数规模和128k上下文窗口设计。模型支持英语、法语等8种语言,并在MMLU等多项基准测试中表现出色。基于40层transformer架构,可作为Mistral 7B的升级替代方案。该项目以Apache 2许可证发布,支持多语言及代码生成场景。
Qwen2.5-7B-Instruct-GGUF - 开源大语言模型GGUF量化版支持多语言和128K长文本处理
GithubHuggingfaceQwen2.5人工智能多语言支持大语言模型开源项目模型深度学习
Qwen2.5-7B指令模型GGUF量化版是Qwen2.5系列的一部分,采用transformers架构,拥有7.61B参数。该模型支持29种语言,可处理128K文本上下文,并提供q2至q8多种量化精度选项。相比前代,模型在知识储备、代码、数学能力、指令执行、长文本生成和结构化数据理解等方面均有显著提升。
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。
Meta-Llama-3.1-8B-Instruct-GGUF - Llama 3.1多语言指令模型的量化版本
GGUFGithubHuggingfaceMeta-Llamallama.cpp人工智能开源项目模型量化
Meta-Llama-3.1-8B-Instruct-GGUF是Llama 3.1模型的量化版本,使用llama.cpp技术实现。该项目提供多种精度的模型文件,从32GB的全精度到4GB的低精度,适应不同硬件需求。模型支持英语、德语、法语等多语言指令任务,可用于对话和问答。用户可选择合适的量化版本,在保持性能的同时优化资源使用。
Qwen2-1.5B-Instruct-GGUF - Qwen2-1.5B指令模型的GGUF格式压缩版本
GGUFGithubHuggingfaceQwen人工智能开源项目模型语言模型量化模型
本项目提供Qwen2-1.5B-Instruct模型的GGUF格式文件,包含多种量化级别。GGUF是llama.cpp团队开发的新格式,取代了旧有的GGML。这些文件兼容多个支持GGUF的平台,如llama.cpp和LM Studio,便于高效本地部署和推理。项目提供多种选择,可适应不同性能和资源需求。
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