Qwen2.5-3B-Instruct-GGUF

Qwen2.5-3B-Instruct — GGUF 量化版

Qwen/Qwen2.5-3B-Instruct 的 GGUF 量化版本, 由 llama.cpp(commit 4f37f51) 的 convert_hf_to_gguf.py + llama-quantize 產生。 量化 pipeline 原始碼:gguf-quantization-factory。

GGUF quantized versions of Qwen/Qwen2.5-3B-Instruct, produced with llama.cpp. All benchmark numbers below were measured on a real NVIDIA GeForce RTX 4090 (all layers offloaded, -ngl 99).

量化等級比較 Quantization comparison

• PPL:wikitext-2-raw-v1 test split,context = 512(越低越好 / lower is better)
• 速度 Speed:llama-bench pp512 / tg128,單位 tokens/s

怎麼選 Which one should I pick?

• Q4_K_M(推薦預設 / recommended default):檔案最小、速度最快,品質損失通常可接受。 適合桌機/筆電日常使用、VRAM 有限的裝置。
• Q5_K_M:比 Q4_K_M 更貼近原模型,只多一點大小。想要更好品質時選這個。
• Q8_0:幾乎無損(ΔPPL 通常 <0.1%),但檔案接近 F16 的一半大小。對品質敏感的正式服務。
• F16:未上傳(檔案過大);想要 F16 請用 pipeline 自行轉檔。

使用方式 Usage

Ollama

# 直接從 Hugging Face 跑(Ollama ≥ 0.3.34)
ollama run hf.co/betty0/Qwen2.5-3B-Instruct-GGUF:Q4_K_M

或自己寫 Modelfile(含 Qwen ChatML template 與 stop tokens),見 gguf-quantization-factory 的 ollama/Modelfile。

llama.cpp

# 下載
hf download betty0/Qwen2.5-3B-Instruct-GGUF Qwen2.5-3B-Instruct-Q4_K_M.gguf --local-dir .

# 互動對話(全部層放 GPU)
llama-cli -m Qwen2.5-3B-Instruct-Q4_K_M.gguf -ngl 99 -cnv

來源模型與授權 License

• 來源模型 Base model:Qwen/Qwen2.5-3B-Instruct
• 授權 License:Apache-2.0(依來源模型)