Квантованная модель в формате GGUF BF16 для генерации изображений по текстовому описанию.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это конвертированная в формат GGUF BF16 версия дообученной модели ChenkinNoob/ChenkinNoob-XL-V0.2, опубликованная пользователем btaskel. Модель предназначена для генерации изображений по текстовому описанию.
В карточке приведены общие замечания автора о компромиссах между размером модели, квантизацией и скоростью, но они не содержат конкретных рекомендаций или результатов для этой версии модели. Подтверждённых сведений об архитектуре, размере, поддерживаемых языках, контексте и лицензии в предоставленных данных нет.
README не приводит конкретных результатов тестирования, рекомендаций по настройке или сведений о лицензии. В метаданных указан формат GGUF BF16, но этого недостаточно, чтобы установить поддержку других вариантов квантизации.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
From civitai/fannon: https://civitai.com/models/2167995/chenkin-noob-xl-ckxl
Based on my experience, Q4_K_S and Q4_K_M are usually the balance points between model size, quantization, and speed.
In some benchmarks, selecting a large-parameter high-quantization LLM tends to perform better than a small-parameter low-quantization LLM.
根据我的经验，通常Q4_K_S、Q4_K_M是模型尺寸/量化/速度的平衡点
在某些基准测试中，选择大参数高量化模型往往比选择小参数低量化模型表现更好。
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).