关于
https://huggingface.co/zlab-princeton/Vero-Qwen25-7B 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/Vero-Qwen25-7B-GGUF 获取
这是一个视觉模型 - mmproj 文件（如有）将位于静态仓库中。
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。IQ 量化版本通常比同等大小的非 IQ 量化版本更优）
| 链接 | 类型 | 大小/GB | 说明 |
|---|---|---|---|
| GGUF | imatrix | 0.1 | 矩阵文件（用于创建您自己的量化版本） |
| GGUF | i1-IQ1_S | 2.0 | 适用于存储空间极度紧张的情况 |
| GGUF | i1-IQ1_M | 2.1 | 主要适用于存储空间紧张的情况 |
| GGUF | i1-IQ2_XXS | 2.4 | |
| GGUF | i1-IQ2_XS | 2.6 | |
| GGUF | i1-IQ2_S | 2.7 | |
| GGUF | i1-IQ2_M | 2.9 | |
| GGUF | i1-Q2_K_S | 2.9 | 质量非常低 |
| GGUF | i1-Q2_K | 3.1 | IQ3_XXS 可能更优 |
| GGUF | i1-IQ3_XXS | 3.2 | 较低质量 |
| GGUF | i1-IQ3_XS | 3.4 | |
| GGUF | i1-Q3_K_S | 3.6 | IQ3_XS 可能更优 |
| GGUF | i1-IQ3_S | 3.6 | 优于 Q3_K* |
| GGUF | i1-IQ3_M | 3.7 | |
| GGUF | i1-Q3_K_M | 3.9 | IQ3_S 可能更优 |
| GGUF | i1-Q3_K_L | 4.2 | IQ3_M 可能更优 |
| GGUF | i1-IQ4_XS | 4.3 | |
| GGUF | i1-IQ4_NL | 4.5 | 推荐优先选择 IQ4_XS |
| GGUF | i1-Q4_0 | 4.5 | 速度快，质量低 |
| GGUF | i1-Q4_K_S | 4.6 | 尺寸/速度/质量的最佳平衡 |
| GGUF | i1-Q4_K_M | 4.8 | 速度快，推荐使用 |
| GGUF | i1-Q4_1 | 5.0 | |
| GGUF | i1-Q5_K_S | 5.4 | |
| GGUF | i1-Q5_K_M | 5.5 | |
| GGUF | i1-Q6_K | 6.4 | 实际效果接近静态 Q6_K |
以下是 ikawrakow 制作的一张方便图表，比较了一些低质量量化类型（数值越低越好）：
以下是 Artefact2 对此事的看法： https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9
常见问题 / 模型请求
有关您可能存在的疑问，以及如果您希望对其他模型进行量化处理，请参阅 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 提供其私人超级计算机的访问权限，这使我能够提供比原本更多、质量更高的 imatrix 量化版本。