/ Модель

Характеристики

Лицензия
Gemma
Базовая модель
gemma-3-1b-it
Библиотека
transformers
Опубликована
15 мар 2025

gemma-3-1b-it-GGUF

Генерация текстаТекст → текст10 профессий

matrixportalx/gemma-3-1b-it-GGUF — это конвертированная в формат GGUF версия инструкционной модели google/gemma-3-1b-it, разработанной Google.

595скачиваний за 30 дней0лайковвеса обновлены28 мар 2025

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

Конвертация выполнена с использованием llama.cpp и сервиса all-gguf-same-where от ggml.ai. Модель предназначена для генерации текста и может запускаться через llama.cpp или совместимые инструменты, включая llama-cpp-python.

Модель имеет размер 1 миллиард параметров и относится к текстовым моделям: в README не заявлена поддержка изображений или других модальностей. Доступны варианты с разными уровнями квантования — от Q2_K до Q8_0, а также F16. Q4_K_M рекомендован как сбалансированный вариант для CPU, Q4_0 — для ARM-устройств, а Q8_0 и F16 ориентированы на более высокое качество с большими требованиями к ресурсам. В примерах указано использование контекста до 2048 токенов, однако максимальный контекст исходной модели в представленном README не указан.

К сильным сторонам относятся компактный размер, сниженное потребление памяти, кроссплатформенность и возможность локального запуска на CPU, включая ARM-устройства. К ограничениям относятся неизбежные потери качества при агрессивном квантовании, отсутствие подробных сведений о языках, архитектуре, результатах оценки и фактических возможностях исходной Gemma 3. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные условия лицензии необходимо уточнять в оригинальной карточке модели.

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

matrixportal/gemma-3-1b-it-GGUF

This model was converted to GGUF format from google/gemma-3-1b-it using llama.cpp via the ggml.ai's all-gguf-same-where space. Refer to the original model card for more details on the model.

✅ Quantized Models Download List

🔍 Recommended Quantizations

  • ✨ General CPU Use: Q4_K_M (Best balance of speed/quality)
  • 📱 ARM Devices: Q4_0 (Optimized for ARM CPUs)
  • 🏆 Maximum Quality: Q8_0 (Near-original quality)

📦 Full Quantization Options

🚀 Download🔢 Type📝 Notes
DownloadQ2_KBasic quantization
DownloadQ3_K_SSmall size
DownloadQ3_K_MBalanced quality
DownloadQ3_K_LBetter quality
DownloadQ4_0Fast on ARM
DownloadQ4_K_SFast, recommended
DownloadQ4_K_M ⭐Best balance
DownloadQ5_0Good quality
DownloadQ5_K_SBalanced
DownloadQ5_K_MHigh quality
DownloadQ6_K 🏆Very good quality
DownloadQ8_0 ⚡Fast, best quality
DownloadF16Maximum accuracy

💡 Tip: Use F16 for maximum precision when quality is critical

GGUF Model Quantization & Usage Guide with llama.cpp

What is GGUF and Quantization?

GGUF (GPT-Generated Unified Format) is an efficient model file format developed by the llama.cpp team that:

  • Supports multiple quantization levels
  • Works cross-platform
  • Enables fast loading and inference

Quantization converts model weights to lower precision data types (e.g., 4-bit integers instead of 32-bit floats) to:

  • Reduce model size
  • Decrease memory usage
  • Speed up inference
  • (With minor accuracy trade-offs)

Step-by-Step Guide

1. Prerequisites

# System updates
sudo apt update && sudo apt upgrade -y

# Dependencies
sudo apt install -y build-essential cmake python3-pip

# Clone and build llama.cpp
git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
make -j4

2. Using Quantized Models from Hugging Face

My automated quantization script produces models in this format:

https://huggingface.co/matrixportal/gemma-3-1b-it-GGUF/resolve/main/gemma-3-1b-it-q4_k_m.gguf

Download your quantized model directly:

wget https://huggingface.co/matrixportal/gemma-3-1b-it-GGUF/resolve/main/gemma-3-1b-it-q4_k_m.gguf

3. Running the Quantized Model

Basic usage:

./main -m gemma-3-1b-it-q4_k_m.gguf -p "Your prompt here" -n 128

Example with a creative writing prompt:

./main -m gemma-3-1b-it-q4_k_m.gguf        -p "[INST] Write a short poem about AI quantization in the style of Shakespeare [/INST]"        -n 256 -c 2048 -t 8 --temp 0.7

Advanced parameters:

./main -m gemma-3-1b-it-q4_k_m.gguf        -p "Question: What is the GGUF format?
Answer:"        -n 256 -c 2048 -t 8 --temp 0.7 --top-k 40 --top-p 0.9

4. Python Integration

Install the Python package:

pip install llama-cpp-python

Example script:

from llama_cpp import Llama

# Initialize the model
llm = Llama(
    model_path="gemma-3-1b-it-q4_k_m.gguf",
    n_ctx=2048,
    n_threads=8
)

# Run inference
response = llm(
    "[INST] Explain GGUF quantization to a beginner [/INST]",
    max_tokens=256,
    temperature=0.7,
    top_p=0.9
)

print(response["choices"][0]["text"])

Performance Tips

  1. Hardware Utilization:

    • Set thread count with -t (typically CPU core count)
    • Compile with CUDA/OpenCL for GPU support
  2. Memory Optimization:

    • Lower quantization (like q4_k_m) uses less RAM
    • Adjust context size with -c parameter
  3. Speed/Accuracy Balance:

    • Higher bit quantization is slower but more accurate
    • Reduce randomness with --temp 0 for consistent results

FAQ

Q: What quantization levels are available?
A: Common options include q4_0, q4_k_m, q5_0, q5_k_m, q8_0

Q: How much performance loss occurs with q4_k_m?
A: Typically 2-5% accuracy reduction but 4x smaller size

Q: How to enable GPU support?
A: Build with make LLAMA_CUBLAS=1 for NVIDIA GPUs

Useful Resources

  1. llama.cpp GitHub
  2. GGUF Format Specs
  3. Hugging Face Model Hub

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
8802855

0 моделей