/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
DeepSeek-Coder-V2-Instruct
Библиотека
gguf
Опубликована
17 июн 2024

DeepSeek-Coder-V2-Instruct-IMat-GGUF

Генерация текстаТекст → текст10 профессий

DeepSeek-Coder-V2-Instruct-IMat-GGUF — это GGUF-квантизованная версия модели DeepSeek-Coder-V2-Instruct, подготовленная пользователем legraphista на основе исходной модели deepseek-ai.

1 618скачиваний за 30 дней6лайковвеса обновлены19 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

Модель предназначена для генерации текста и, судя по названию базовой модели, ориентирована прежде всего на работу с программным кодом и инструкциями, однако подробные сведения о поддерживаемых языках программирования и естественных языках в представленном README не указаны.

Доступны варианты квантования от 1 до 8 бит, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, а также ряд вариантов IQ. Файлы распространяются в формате GGUF и могут использоваться с llama.cpp; крупные варианты поставляются разделёнными на несколько частей. Для вариантов Q4 и ниже применена IMatrix-квантизация с отдельным файлом imatrix.dat, а исходный тип данных базовой модели — BF16. Размеры файлов варьируются примерно от 85,95 до 250,62 ГБ, поэтому требования к оперативной или видеопамяти существенно зависят от выбранного варианта.

Сильной стороной модели является широкий выбор уровней квантования, позволяющий выбирать баланс между качеством и ресурсами, а IMatrix может улучшать сохранение качества при низкой разрядности. Ограничениями являются большой объём файлов, необходимость совместимого программного обеспечения и потенциальное снижение качества по сравнению с исходной BF16-моделью, особенно у более агрессивных вариантов квантования. Модель распространяется по лицензии deepseek-license; в метаданных она указана как other, а подробные условия находятся в файле LICENSE.

Для каких профессий подходит10

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

DeepSeek-Coder-V2-Instruct-IMat-GGUF

Llama.cpp imatrix quantization of deepseek-ai/DeepSeek-Coder-V2-Instruct

Original Model: deepseek-ai/DeepSeek-Coder-V2-Instruct
Original dtype: BF16 (bfloat16)
Quantized by: llama.cpp b3166
IMatrix dataset: here


Files

IMatrix

Status: ✅ Available
Link: here

Common Quants

FilenameQuant typeFile SizeStatusUses IMatrixIs Split
DeepSeek-Coder-V2-Instruct.Q8_0/*Q8_0250.62GB✅ Available⚪ Static✂ Yes
DeepSeek-Coder-V2-Instruct.Q6_K/*Q6_K193.54GB✅ Available⚪ Static✂ Yes
DeepSeek-Coder-V2-Instruct.Q4_K/*Q4_K142.45GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q3_K/*Q3_K112.67GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q2_K/*Q2_K85.95GB✅ Available🟢 IMatrix✂ Yes

All Quants

FilenameQuant typeFile SizeStatusUses IMatrixIs Split
DeepSeek-Coder-V2-Instruct.Q8_0/*Q8_0250.62GB✅ Available⚪ Static✂ Yes
DeepSeek-Coder-V2-Instruct.Q6_K/*Q6_K193.54GB✅ Available⚪ Static✂ Yes
DeepSeek-Coder-V2-Instruct.Q5_K/*Q5_K167.22GB✅ Available⚪ Static✂ Yes
DeepSeek-Coder-V2-Instruct.Q5_K_S/*Q5_K_S162.31GB✅ Available⚪ Static✂ Yes
DeepSeek-Coder-V2-Instruct.Q4_K/*Q4_K142.45GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q4_K_S/*Q4_K_S133.88GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ4_NL/*IQ4_NL132.91GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ4_XS/*IQ4_XS125.56GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q3_K/*Q3_K112.67GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q3_K_L/*Q3_K_L122.37GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q3_K_S/*Q3_K_S101.68GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ3_M/*IQ3_M103.37GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ3_S/*IQ3_S101.68GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ3_XS/*IQ3_XS96.30GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ3_XXS/*IQ3_XXS90.85GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q2_K/*Q2_K85.95GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.Q2_K_S/*Q2_K_S79.60GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ2_M/*IQ2_M76.92GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ2_S/*IQ2_S69.87GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ2_XS/*IQ2_XS68.71GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ2_XXS/*IQ2_XXS61.50GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ1_M/*IQ1_M52.68GB✅ Available🟢 IMatrix✂ Yes
DeepSeek-Coder-V2-Instruct.IQ1_S/*IQ1_S47.39GB✅ Available🟢 IMatrix✂ Yes

Downloading using huggingface-cli

If you do not have hugginface-cli installed:

pip install -U "huggingface_hub[cli]"

Download the specific file you want:

huggingface-cli download legraphista/DeepSeek-Coder-V2-Instruct-IMat-GGUF --include "DeepSeek-Coder-V2-Instruct.Q8_0.gguf" --local-dir ./

If the model file is big, it has been split into multiple files. In order to download them all to a local folder, run:

huggingface-cli download legraphista/DeepSeek-Coder-V2-Instruct-IMat-GGUF --include "DeepSeek-Coder-V2-Instruct.Q8_0/*" --local-dir ./
# see FAQ for merging GGUF's

Inference

Simple chat template

<|begin▁of▁sentence|>User: {user_prompt}

Assistant: {assistant_response}<|end▁of▁sentence|>User: {next_user_prompt}


Chat template with system prompt

<|begin▁of▁sentence|>{system_prompt}

User: {user_prompt}

Assistant: {assistant_response}<|end▁of▁sentence|>User: {next_user_prompt}


Llama.cpp

llama.cpp/main -m DeepSeek-Coder-V2-Instruct.Q8_0.gguf --color -i -p "prompt here (according to the chat template)"

FAQ

Why is the IMatrix not applied everywhere?

According to this investigation, it appears that lower quantizations are the only ones that benefit from the imatrix input (as per hellaswag results).

How do I merge a split GGUF?

  1. Make sure you have gguf-split available
  2. Locate your GGUF chunks folder (ex: DeepSeek-Coder-V2-Instruct.Q8_0)
  3. Run gguf-split --merge DeepSeek-Coder-V2-Instruct.Q8_0/DeepSeek-Coder-V2-Instruct.Q8_0-00001-of-XXXXX.gguf DeepSeek-Coder-V2-Instruct.Q8_0.gguf
    • Make sure to point gguf-split to the first chunk of the split.

Got a suggestion? Ping me @legraphista!

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
874460d

0 моделей