kanana-2-30b-a3b-instruct-awq-w4a16

Kanana-2-30B-A3B-Instruct AWQ (W4A16)

kakaocorp/kanana-2-30b-a3b-instruct 모델을 AWQ 방식으로 4비트 양자화한 버전입니다. compressed-tensors==0.13.0 버전에서 제작되었습니다.

Model Details

Quantization Config

AWQModifier(
    ignore=["lm_head", "re:.*mlp.gate$", "re:.*mlp.shared_expert_gate$"],
    scheme="W4A16",
    targets=["Linear"],
)

• lm_head: 출력 레이어는 양자화 제외
• mlp.gate: MoE 라우터 게이트는 양자화 제외
• shared_expert_gate: 공유 전문가 게이트는 양자화 제외

Installation

pip install compressed-tensors==0.13.0

호환성을 위해 위 버전 설치를 권장합니다.

Usage

With vLLM (Recommended)

from vllm import LLM, SamplingParams

model = LLM(model="NotoriousH2/kanana-awq-w4a16")
sampling_params = SamplingParams(temperature=0.7, max_tokens=512)

prompt = "고혈압 환자의 식이요법에 대해 설명해주세요."
output = model.generate([prompt], sampling_params)
print(output[0].outputs[0].text)

With Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "NotoriousH2/kanana-awq-w4a16",
    torch_dtype="auto",
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained("NotoriousH2/kanana-awq-w4a16")

messages = [{"role": "user", "content": "고혈압 환자의 식이요법에 대해 설명해주세요."}]
input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
output = model.generate(input_ids, max_new_tokens=512)
print(tokenizer.decode(output[0], skip_special_tokens=True))

License

This model inherits the license from the base model. Please refer to kakaocorp/kanana-2-30b-a3b-instruct for license details.