/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen2-1.5B
Опубликована
23 июн 2024

Replete-Coder-Qwen2-1.5b-GGUF

Генерация текстаТекст → текст9 профессий

Replete-Coder-Qwen2-1.5B-GGUF — квантованная GGUF-версия модели Replete-Coder-Qwen-1.5b, разработанной Replete-AI на базе Qwen/Qwen2-1.5B.

2 453скачиваний за 30 дней14лайковвеса обновлены23 июн 2024

Бенчмарки

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

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

Квантование выполнил bartowski с использованием llama.cpp и метода imatrix; доступны варианты с различными уровнями квантования, включая Q8_0, Q6_K и Q5_K_M.

Модель предназначена для генерации текста и решения задач программирования: написания и объяснения кода, следования инструкциям, работы с математическими задачами, вызова функций и ответов в формате диалога. Обучение проводилось на наборах данных с примерами кода, инструкций, математических задач, диалогов, function calling и анализа уязвимостей. Поддерживается специальный шаблон prompt в формате ChatML. Точная длина контекста и перечень языков программирования в README не указаны.

Ключевое преимущество модели — небольшой размер около 1,5 млрд параметров и возможность локального запуска через llama.cpp в разных вариантах квантования. Более высокие разрядности ориентированы на максимальное сохранение качества, а Q6_K и Q5_K_M отмечены как рекомендуемые. Ограничениями являются небольшой размер по сравнению с крупными кодовыми моделями, отсутствие опубликованных численных результатов тестирования и неполные сведения о поддерживаемых языках и контексте. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llamacpp imatrix Quantizations of Replete-Coder-Qwen-1.5b

Using llama.cpp release b3197 for quantization.

Original model: https://huggingface.co/Replete-AI/Replete-Coder-Qwen-1.5b

All quants made using imatrix option with dataset from here

Prompt format

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

Download a file (not the whole branch) from below:

FilenameQuant typeFile SizeDescription
Replete-Coder-Qwen-1.5b-Q8_0_L.ggufQ8_0_L1870.00MBExperimental, uses f16 for embed and output weights. Please provide any feedback of differences. Extremely high quality, generally unneeded but max available quant.
Replete-Coder-Qwen-1.5b-Q8_0.ggufQ8_01646.57MBExtremely high quality, generally unneeded but max available quant.
Replete-Coder-Qwen-1.5b-Q6_K_L.ggufQ6_K_L1550MBExperimental, uses f16 for embed and output weights. Please provide any feedback of differences. Very high quality, near perfect, recommended.
Replete-Coder-Qwen-1.5b-Q6_K.ggufQ6_K1272.73MBVery high quality, near perfect, recommended.
Replete-Coder-Qwen-1.5b-Q5_K_L.ggufQ5_K_L1400MBExperimental, uses f16 for embed and output weights. Please provide any feedback of differences. High quality, recommended.
Replete-Coder-Qwen-1.5b-Q5_K_M.ggufQ5_K_M1125.04MBHigh quality, recommended.
Replete-Coder-Qwen-1.5b-Q4_K_L.ggufQ4_K_L1260MBExperimental, uses f16 for embed and output weights. Please provide any feedback of differences. Good quality, uses about 4.83 bits per weight, recommended.
Replete-Coder-Qwen-1.5b-Q4_K_M.ggufQ4_K_M986.04MBGood quality, uses about 4.83 bits per weight, recommended.
Replete-Coder-Qwen-1.5b-IQ4_XS.ggufIQ4_XS895.72MBDecent quality, smaller than Q4_K_S with similar performance, recommended.
Replete-Coder-Qwen-1.5b-Q3_K_XL.ggufQ3_K_XL1160MBExperimental, uses f16 for embed and output weights. Please provide any feedback of differences. Lower quality but usable, good for low RAM availability.
Replete-Coder-Qwen-1.5b-Q3_K_L.ggufQ3_K_L880.16MBLower quality but usable, good for low RAM availability.

Downloading using huggingface-cli

First, make sure you have hugginface-cli installed:

pip install -U "huggingface_hub[cli]"

Then, you can target the specific file you want:

huggingface-cli download bartowski/Replete-Coder-Qwen-1.5b-GGUF --include "Replete-Coder-Qwen-1.5b-Q4_K_M.gguf" --local-dir ./

If the model is bigger than 50GB, it will have been split into multiple files. In order to download them all to a local folder, run:

huggingface-cli download bartowski/Replete-Coder-Qwen-1.5b-GGUF --include "Replete-Coder-Qwen-1.5b-Q8_0.gguf/*" --local-dir Replete-Coder-Qwen-1.5b-Q8_0

You can either specify a new local-dir (Replete-Coder-Qwen-1.5b-Q8_0) or download them all in place (./)

Which file should I choose?

A great write up with charts showing various performances is provided by Artefact2 here

The first thing to figure out is how big a model you can run. To do this, you'll need to figure out how much RAM and/or VRAM you have.

If you want your model running as FAST as possible, you'll want to fit the whole thing on your GPU's VRAM. Aim for a quant with a file size 1-2GB smaller than your GPU's total VRAM.

If you want the absolute maximum quality, add both your system RAM and your GPU's VRAM together, then similarly grab a quant with a file size 1-2GB Smaller than that total.

Next, you'll need to decide if you want to use an 'I-quant' or a 'K-quant'.

If you don't want to think too much, grab one of the K-quants. These are in format 'QX_K_X', like Q5_K_M.

If you want to get more into the weeds, you can check out this extremely useful feature chart:

llama.cpp feature matrix

But basically, if you're aiming for below Q4, and you're running cuBLAS (Nvidia) or rocBLAS (AMD), you should look towards the I-quants. These are in format IQX_X, like IQ3_M. These are newer and offer better performance for their size.

These I-quants can also be used on CPU and Apple Metal, but will be slower than their K-quant equivalent, so speed vs performance is a tradeoff you'll have to decide.

The I-quants are not compatible with Vulcan, which is also AMD, so if you have an AMD card double check if you're using the rocBLAS build or the Vulcan build. At the time of writing this, LM Studio has a preview with ROCm support, and other inference engines have specific builds for ROCm.

Want to support my work? Visit my ko-fi page here: https://ko-fi.com/bartowski

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
af129e3

0 моделей