salamandra-7b-instruct-2606-GGUF

<div align="center">

╔══════════════════════════════════════════════════════════════╗
║   S A L A M A N D R A · 7 B · I N S T R U C T · 2 6 0 6       ║
║   ───────────────────────────────────────────────────────    ║
║   GGUF quant ladder · imatrix (calibrado en español)          ║
║   Q3 ▸ IQ4 ▸ Q4 ▸ Q5 ▸ Q6 ▸ Q8   ·   fidelidad medida (KLD)   ║
╚══════════════════════════════════════════════════════════════╝

Salamandra-7B-Instruct-2606 · GGUF

Cuantizaciones GGUF con imatrix del modelo soberano español/europeo de BSC-LT. Escalera completa Q3→Q8 · matriz de importancia calibrada en español · fidelidad objetiva medida contra el BF16 (KLD + PPL + Top-1).

</div>

Qué es esto: BSC-LT/salamandra-7b-instruct-2606 — el modelo multilingüe (ES · CA · GL · EU · EN…) del Barcelona Supercomputing Center— empaquetado en GGUF para correr en local con llama.cpp / Ollama. No es un modelo de código: su valor es lingüístico y de soberanía, así que aquí lo importante es que la cuantización no rompa el modelo — y eso se demuestra con la tabla de fidelidad de abajo, no con un benchmark de programación.

✅ Qué archivo elegir

📦 Archivos

📊 Fidelidad medida (vs BF16 · corpus español)

KLD (divergencia Kullback–Leibler) mide cuánto se aleja la distribución de salida de cada cuantización respecto al modelo original en BF16 — es el patrón oro de fidelidad de cuantización, más fino que la perplejidad sola. Top-1 = con qué frecuencia el token más probable coincide con el del BF16.

📈 Gráficas

🧮 ¿Me cabe? (RAM aproximada, contexto 8K)

🚀 Cómo ejecutarlo

Ollama (usa la plantilla ChatML que ya trae el GGUF):

ollama create salamandra7b -f Modelfile.8192
ollama run salamandra7b "Explica la fotosíntesis en una frase."

llama.cpp:

llama-cli -m salamandra-7b-Q4_K_M.gguf -ngl 99 -c 8192 \
  -p "<|im_start|>user\n¿Cuál es la capital de Galicia?<|im_end|>\n<|im_start|>assistant\n"

Muestreo recomendado: temp 0.7 · top_p 0.95 · top_k 40. Contexto nativo 8192.

⚠️ Bueno saber

• Es un modelo lingüístico, no de código. Brilla en español y lenguas cooficiales (catalán, gallego, euskera) y multilingüe; no esperes rendimiento de un modelo especializado en programación.
• Gate de calidad = fidelidad, no SWE. Para una cuantización de un modelo así, lo que importa es que se parezca al original (KLD arriba), no un test de coding que sería ~0 por diseño del modelo base.
• imatrix en español: la matriz de importancia se calibró con prosa española, no inglesa — evita la deriva que introduce calibrar en el idioma equivocado.

🔁 Procedencia y reproducibilidad

• Base: BSC-LT/salamandra-7b-instruct-2606 · arquitectura Llama · licencia Apache-2.0.
• imatrix: corpus en español, -c 512, sobre el BF16.
• Ladder: llama-quantize --imatrix para cada tier. Magic verificado en cada .gguf.
• Fidelidad: llama-perplexity --kl-divergence contra base BF16 (kld.dat) + PPL en español.
• Comandos exactos en scripts/reproduce.sh; métricas en metrics/quant-summary-with-kld.{json,csv}; checksums en reports/artifact-sha256sums.txt.

Evaluation methodology

• Métrica: KLD (mean/max) + Top-1 match + PPL, cada cuantización vs la referencia BF16, sobre un corpus español. Sin gate SWE — no aplica a un modelo lingüístico no-coder (sería 0 por diseño, no por la cuantización).
• Herramientas: llama.cpp (llama-imatrix, llama-quantize, llama-perplexity --kl-divergence).
• Fecha: 2026-07. Caveat: PPL/KLD sobre un corpus acotado; comparativa relativa entre tiers, no un ranking absoluto.

🗒️ Changelog

• 2026-07 — release inicial: escalera Q3→Q8 + IQ4_XS, imatrix español, tabla KLD/PPL/Top-1 + gráficas.

---

Cuantizado por KikoCis. Modelo base © Barcelona Supercomputing Center (BSC-LT), Apache-2.0. Todo el mérito del modelo es de BSC-LT; aquí solo se empaqueta y se mide la fidelidad de las cuantizaciones.