基于Qwen3-14B-ARPO-DeepSearch模型的i1量化版本，提供多种GGUF格式，适用于不同场景需求，方便高效使用。【此简介由AI生成】
base_model: dongguanting/Qwen3-14B-ARPO-DeepSearch language:
- en library_name: transformers license: mit mradermacher: readme_rev: 1 quantized_by: mradermacher tags:
- agent
- tool-use
- reinforcement-learning
- qwen
- llm
关于
https://huggingface.co/dongguanting/Qwen3-14B-ARPO-DeepSearch 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页面。
静态量化版本可在 https://huggingface.co/mradermacher/Qwen3-14B-ARPO-DeepSearch-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 README 文档 之一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。通常，相同大小的 IQ 量化版本优于非 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 | 3.7 | 适用于存储空间极度有限的情况 |
| GGUF | i1-IQ1_M | 3.9 | 主要适用于存储空间有限的情况 |
| GGUF | i1-IQ2_XXS | 4.4 | |
| GGUF | i1-IQ2_XS | 4.8 | |
| GGUF | i1-IQ2_S | 5.1 | |
| GGUF | i1-IQ2_M | 5.4 | |
| GGUF | i1-Q2_K_S | 5.5 | 质量非常低 |
| GGUF | i1-Q2_K | 5.9 | IQ3_XXS 可能更好 |
| GGUF | i1-IQ3_XXS | 6.0 | 质量较低 |
| GGUF | i1-IQ3_XS | 6.5 | |
| GGUF | i1-Q3_K_S | 6.8 | IQ3_XS 可能更好 |
| GGUF | i1-IQ3_S | 6.8 | 优于 Q3_K* |
| GGUF | i1-IQ3_M | 7.0 | |
| GGUF | i1-Q3_K_M | 7.4 | IQ3_S 可能更好 |
| GGUF | i1-Q3_K_L | 8.0 | IQ3_M 可能更好 |
| GGUF | i1-IQ4_XS | 8.2 | |
| GGUF | i1-IQ4_NL | 8.6 | 优先选择 IQ4_XS |
| GGUF | i1-Q4_0 | 8.6 | 速度快，质量低 |
| GGUF | i1-Q4_K_S | 8.7 | 尺寸/速度/质量平衡最佳 |
| GGUF | i1-Q4_K_M | 9.1 | 速度快，推荐使用 |
| GGUF | i1-Q4_1 | 9.5 | |
| GGUF | i1-Q5_K_S | 10.4 | |
| GGUF | i1-Q5_K_M | 10.6 | |
| GGUF | i1-Q6_K | 12.2 | 实际上类似于静态 Q6_K |
以下是 ikawrakow 制作的比较部分低质量量化类型的实用图表（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 / 模型请求
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，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开展这项工作。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。