Запускайте их напрямую с помощью llama.cpp или любого другого проекта на основе llama.cpp. Причина в том, что FFN (сети прямой связи) gpt-oss ведут себя некорректно при квантовании во что-либо, кроме MXFP4, поэтому они сохраняются на этом уровне для всего. Остальные предоставлены для вашего собственного интереса на случай, если вы захотите поэкспериментировать, но экономия размера практически отсутствует, поэтому я бы не рекомендовал их запускать, они предоставлены просто для галочки: некоторые из этих квантов (Q3KXL, Q4KL и т. д.) являются стандартным методом квантования с вложениями и выходными весами, квантованными до Q8_0 вместо того, что обычно используется по умолчанию. Если модель больше 50 ГБ, она будет разделена на несколько файлов. Чтобы загрузить их все в локальную папку, запустите: Вы можете либо указать новый локальный каталог (openaigpt-oss-120b-Q80), либо загрузить их все на месте (./). Раньше вы загружали Q4044/48/8_8, и их веса чередовались в памяти, чтобы повысить производительность на машинах ARM и AVX за счет загрузки большего количества данных за один проход. Однако сейчас существует так называемая «онлайн-переупаковка» весов. подробности в этом PR. Если вы используете Q4_0 и ваше оборудование…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: bartowski
Теги: gguf, endpoints_compatible, conversational
Лайков: 13 | Загрузок: 9,013
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
