К содержимому
Другое

Llama-3-Chinese-8B-GGUF

квантованная база для китайского

1 мин чтенияобновлено

Это GGUF-версия Llama-3-Chinese-8B от проекта Chinese-LLaMA-Alpaca-3: квантованные файлы для llama.cpp, ollama и tgw. Модель на 8B обучена для китайского и английского, но это foundation model — не для диалогов и QA.

Ключевые особенности

  • Совместима с llama.cpp, ollama и tgw.
  • Языки: китайский и английский.
  • Есть кванты от Q2_K до F16; размеры — от 2.96 до 14.97 GB.
  • В карточке приведена PPL для каждого кванта; меньше — лучше.
  • Не предназначена для чата, вопросов-ответов и подобных задач.

Пример

Сценарий: загрузить, например, Q4_K (4.58 GB) в llama.cpp или ollama как базовую модель для китайского языка. Для диалогов и QA эта версия не подходит — в карточке это указано отдельно.

ПодробнееPPL нового Q4_K — 5.3126 ± 0.08500; у F16 — 5.1302 ± 0.08184.
Размеры: Q2_K — 2.96 GB, Q8_0 — 7.95 GB, F16 — 14.97 GB.
Это квантованная версия hfl/llama-3-chinese-8b; подробности и issues — в GitHub-проекте Chinese-LLaMA-Alpaca-3.
Ограничение: foundation-модель не подходит для диалогов и QA.
Обсудить Telegram 0 94

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 15 GB · готовые файлы17 GB
  • GGUF Q8_0рекомендуемвеса 8.0 GB · готовые файлы9.2 GB
  • GGUF Q6_Kвеса 6.1 GB · готовые файлы7.3 GB
  • GGUF Q5_Kвеса 5.3 GB · готовые файлы6.4 GB
  • GGUF Q5_0веса 5.2 GB · готовые файлы6.2 GB
  • GGUF Q4_Kвеса 4.6 GB · готовые файлы5.5 GB
  • GGUF Q4_0веса 4.3 GB · готовые файлы5.3 GB
  • GGUF Q3_Kвеса 3.7 GB · готовые файлы4.6 GB
  • GGUF Q2_Kвеса 3.0 GB · готовые файлы3.8 GB

Совет: берите 8-bit.GGUF Q8_0 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: GGUF Q8_0 — от RTX 3080 · GGUF F16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Soket0193u/llama-3-chinese-8b-gguf
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Soket0193u/llama-3-chinese-8b-gguf --local-dir ~/models/llama-3-chinese-8b-gguf
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к llama-3-chinese-8b-gguf
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии llama-3-chinese-8b-gguf — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Soket0193u/llama-3-chinese-8b-gguf
Автор
Soket0193u
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

940

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии