基于AutoGEO_mini_Qwen1.7B的i1-GGUF量化模型，提供多种IQ和Q系列量化类型，满足不同场景需求，方便高效使用。【此简介由AI生成】
base_model: cx-cmu/AutoGEO_mini_Qwen1.7B_ResearchyGEO language:
- en library_name: transformers license: mit mradermacher: readme_rev: 1 quantized_by: mradermacher tags:
- text-rewriting
- web
- generative-engine-optimization
- geo
- reinforcement-learning
- grpo
- qwen3
- transformers
- safetensors
关于
https://huggingface.co/cx-cmu/AutoGEO_mini_Qwen1.7B_ResearchyGEO 的加权/矩阵量化版本
如需便捷概览和下载列表，请访问我们的 该模型详情页。
静态量化版本可在 https://huggingface.co/mradermacher/AutoGEO_mini_Qwen1.7B-GGUF 获取
使用方法
如果您不确定如何使用 GGUF 文件，请参考 TheBloke 的某个 README 以获取更多详细信息，包括如何拼接多部分文件。
提供的量化版本
（按大小排序，不一定代表质量排序。IQ 量化版本通常优于同等大小的非 IQ 量化版本）
| 链接 | 类型 | 大小/GB | 说明 |
|---|---|---|---|
| GGUF | 矩阵文件 | 0.1 | 矩阵文件（用于创建您自己的量化版本） |
| GGUF | i1-IQ1_S | 0.6 | 适用于存储空间极度有限的情况 |
| GGUF | i1-IQ1_M | 0.6 | 主要适用于存储空间紧张的情况 |
| GGUF | i1-IQ2_XXS | 0.7 | |
| GGUF | i1-IQ2_XS | 0.7 | |
| GGUF | i1-IQ2_S | 0.8 | |
| GGUF | i1-IQ2_M | 0.8 | |
| GGUF | i1-Q2_K_S | 0.8 | 质量极低 |
| GGUF | i1-IQ3_XXS | 0.9 | 质量较低 |
| GGUF | i1-Q2_K | 0.9 | IQ3_XXS 可能更好 |
| GGUF | i1-IQ3_XS | 0.9 | |
| GGUF | i1-IQ3_S | 1.0 | 优于 Q3_K* |
| GGUF | i1-Q3_K_S | 1.0 | IQ3_XS 可能更好 |
| GGUF | i1-IQ3_M | 1.0 | |
| GGUF | i1-Q3_K_M | 1.0 | IQ3_S 可能更好 |
| GGUF | i1-Q3_K_L | 1.1 | IQ3_M 可能更好 |
| GGUF | i1-IQ4_XS | 1.1 | |
| GGUF | i1-IQ4_NL | 1.2 | 推荐 IQ4_XS |
| GGUF | i1-Q4_0 | 1.2 | 速度快，质量低 |
| GGUF | i1-Q4_K_S | 1.2 | 尺寸/速度/质量平衡最佳 |
| GGUF | i1-Q4_K_M | 1.2 | 速度快，推荐使用 |
| GGUF | i1-Q4_1 | 1.2 | |
| GGUF | i1-Q5_K_S | 1.3 | |
| GGUF | i1-Q5_K_M | 1.4 | |
| GGUF | i1-Q6_K | 1.5 | 实际效果接近静态 Q6_K |
以下是 ikawrakow 制作的便捷图表，比较了部分低质量量化类型（数值越低越好）：
以下是 Artefact2 对此问题的看法： https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9
常见问题 / 模型需求
有关您可能遇到的问题的解答，以及如果您希望对其他模型进行量化处理的相关信息，请参见 https://huggingface.co/mradermacher/model_requests。
致谢
感谢我的公司 nethype GmbH 允许我使用其服务器，并为我的工作站提供升级，使我能够在业余时间完成这项工作。特别感谢 @nicoboss 让我能够访问他的私人超级计算机，这使我能够提供比原本更多、质量更高的 imatrix 量化版本。