/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Llama3-8B-1.58-100B-tokens
Библиотека
vlut.cpp
Опубликована
29 дек 2025

Llama3-8B-1.58-100B-tokens-vlut-gguf

Генерация текстаТекст → текст3 профессии

Квантизированная в GGUF производная Llama 3 8B для генерации текста и локального диалогового инференса через vlut.cpp.

177скачиваний за 30 дней0лайковвеса обновлены1 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это производная версия Llama 3 8B, подготовленная XXXXyu в формате GGUF для запуска через vlut.cpp с методом Vec-LUT на локальных и периферийных устройствах. Репозиторий содержит несколько вариантов ternary-упаковки с размером от 1,60 до 2,00 бит на параметр и разными размерами тайла; автор рекомендует варианты I1_V_2 и I2_V_4 как отправные точки. README заявляет о lossless-упаковке и ускорении параллельного инференса до 4,2 раза, однако это характеристики упаковки и реализации запуска, а не гарантия качества или скорости на каждом устройстве.

Модель предназначена для генерации текста и диалогового использования на английском языке. Для запуска требуется vlut.cpp; стандартный llama.cpp не поддерживается. Лицензия указана как other, поэтому условия использования следует проверять в репозитории базовой модели и связанных материалах.

Сценарии применения

  • локальный англоязычный чат на периферийном устройстве
  • генерация текста при ограниченной памяти
  • параллельный инференс текстовой модели на edge-устройстве

Ограничения

Для запуска требуется vlut.cpp, модель не предназначена для vanilla llama.cpp. Заявленные ускорение и экономия памяти зависят от варианта упаковки, тайлинга и оборудования; лицензия обозначена как other.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llama3-8B-1.58-100B-tokens-vlut-gguf

This repository contains state-of-the-art ternary-packed versions of Llama3-8B-1.58-100B-tokens in GGUF format, optimized for efficient on-device inference using the Vec-LUT method.

Key Features

  • 🎯 SOTA Compression: Achieves BPW (bits per weight) as low as 1.60 through lossless sub-2-bit ternary packing.
  • ⚡ SOTA Performance: Delivers superior throughput (4.2x speedup) in parallel inference scenarios via vector lookup table (LUT).
  • 🔌 Drop-in Ready: Seamless integration with vlut.cpp for immediate deployment on edge devices.

Available Model Variants

Models are named as ggml-model-{PACKING}_{TILE}.gguf:

File NamePacking (BPW)Tile SizeComment
ggml-model-I1_V.ggufI1_V (1.60)1
ggml-model-I1_V_2.ggufI1_V (1.60)2Recommended
ggml-model-I2_V.ggufI2_V (2.00)1
ggml-model-I2_V_4.ggufI2_V (2.00)4Recommended
ggml-model-I2_V_8.ggufI2_V (2.00)8

Selection Guide

  • BPW vs. Speed: I1_V achieves lower memory usage but may not always outperform I2_V in speed.
  • Tiling Trade-off: Tiled variants (tile size > 1) deliver higher throughput but require larger cache capacity.
  • Starting Point: Use I1_V_2 or I2_V_4 as a starting point.

For detailed tiling parameter analysis, see Evaluation.md and the paper.

Usage

Prerequisites

Install vlut.cpp (these models require vlut.cpp, not vanilla llama.cpp):

git clone https://github.com/Cipherxzc/vlut.cpp.git
cd vlut.cpp
cmake -B build && cmake --build build --config Release -j4

Download & Run

# Download the recommended variant, e.g., I2_V_4
hf download <repo_id> \
  ggml-model-I2_V_4.gguf --local-dir ./models

# Run parallel inference
./build/bin/llama-batched \
  -m ./models/ggml-model-I2_V_4.gguf \
  -p "I believe the meaning of life is" \
  -np 32 -n 16 -t 1 --temp 0.5 --repeat-penalty 1.5

# Benchmark performance
./build/bin/llama-bench \
  -m ./models/ggml-model-I2_V_4.gguf \
  -t 1 -p 128 -n 0

For comprehensive usage instructions, refer to the vlut.cpp Quick Start Guide.

Citation

If you use these models, please cite our paper:

@article{li2025veclut,
  title={Vec-LUT: Vector Table Lookup for Parallel Ultra-Low-Bit LLM Inference on Edge Devices},
  author={Li, Xiangyu and Yin, Chengyu and Wang, Weijun and Wei, Jianyu and Cao, Ting and Liu, Yunxin},
  journal={arXiv preprint arXiv:2512.06443},
  year={2025},
  url={https://arxiv.org/abs/2512.06443}
}

And the original Llama3-8B-1.58-100B-tokens work:

@misc{,
      title={1.58-Bit LLM: A New Era of Extreme Quantization}, 
      author={Mohamed Mekkouri and Marc Sun and Leandro von Werra and Thomas Wolf},
      year={2024},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
3ce0251

0 моделей