实体
Q3_K_S
Q3_K_S
PulseAugur coverage of Q3_K_S — every cluster mentioning Q3_K_S across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Kimi K3 模型已量化为 1.1 TB 的 GGUF 格式并在 CPU 上运行
一个团队已成功将 Kimi K3 模型（一个拥有 2.8 万亿参数的模型）量化为 GGUF 格式。他们实现了 Q3_K_S 量化，文件大小为 1.1 TB。此过程在仅 CPU 的硬件上完成，使用了 1.5 TB RAM 和 110 个线程，证明了在没有专用 GPU 的情况下运行大型模型的可能性。
-
本地LLM用户发现较低的量化能以最小的质量损失来降低延迟
通过理解量化对延迟和质量的影响，可以优化本地运行大型语言模型。虽然Q4_K_M是常见的默认设置，但像Q3_K_S这样的较低量化级别可以显著降低编码问题等任务的延迟，并且感知的质量损失很小。最佳量化级别取决于具体的用例和上下文窗口大小，需要用户分析他们的工作流程以找到速度、内存使用和输出质量之间的最佳平衡。