> Кванты матрицы важности (imatrix) модели кодирования yuxinlu1, откалиброванные на реальных данных кодирования Python, поэтому низкоразрядные сборки сохраняют свои навыки кодирования. Только текст (модель кодирования — без визуального багажа). 💚 > 💡 8 ГБ видеопамяти (или 6 ГБ): возьмите Q3KS (5,5 ГБ) — он оставляет место для контекста и при этом хорошо кодирует. На серверной части Vulkan (AMD) все это работает. > ⚠️ Избегайте IQ3 (3-битный i-квант) для этой модели — здесь IQ3XXS/IQ3S превращаются в тарабарщину (слои особого внимания Джеммы-4 не выдерживают 3-битный i-квант). K-кванты Q3K остаются согласованными при одном и том же размере — вот почему малыми уровнями являются Q3_K, а не IQ3. Силен в сложных алгоритмах, исправлении ошибок и рефакторинге, а также в верных и открытых рассуждениях. Японские подсказки не вызывают заметного снижения качества Python. > ⚠️ Одно честное предостережение: в коде временных рядов/квантовых финансов это может привести к смещению прогноза (и его рассуждения могут указывать на правильное правило, в то время как код делает противоположное). Отличный помощник по алгоритмам/отладке — но просмотрите его код бэк-теста pandas/numpy, прежде чем доверять ему. — Иматрица, рассчитанная на калибровочном наборе с большим количеством кода (HumanEval + проблемы и решения MBPP), поэтому матрица важности отражает реальные активации кодирования. — Источник: авторский Q80 GGUF (≈lossless).…
Модальности:
Генерация текста
Области применения:
Генерация кода Логика и рассуждение Диалог / чат
Языки программирования:
Python
Задача: Генерация текста
Автор: sakamakismile
Теги: gguf, gemma4, coding, code, python, reasoning, thinking, imatrix
Лайков: 5 | Загрузок: 423
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
