inference: false
language:
- pt
license: other
model_creator: 22H
model_link: https://huggingface.co/22h/open-cabrita3b
model_name: Open Cabrita 3B
model_type: llama
quantized_by: TheBloke
Open Cabrita 3B - GGUF
- Criador do Modelo: 22h
- Modelo Original: Open Cabrita 3B
Provided files
| Nome | Método Quant | Bits | Tamanho | Desc | | ---- | ---- | ---- | ---- | ---- | ----- |
| ggml-opencabrita3b-q4_0.gguf | q4_0 | 4 | 1.94 GB | Quantização em 4-bit. | | ggml-opencabrita3b-q4_1.gguf | q4_1 | 4 | 2.14 GB | Quantização em 4-bit. Acurácia maior que q4_0 mas não tão boa quanto q5_0. Inferência mais rápida que os modelos q5. | | ggml-opencabrita3b-q5_0.gguf | q5_0 | 5 | 2.34 GB | Quantização em 5-bit. Melhor acurácia, maior uso de recursos, inferência mais lenta. | | ggml-opencabrita3b-q5_1.gguf | q5_1 | 5 | 2.53 GB | Quantização em 5-bit. Ainda Melhor acurácia, maior uso de recursos, inferência mais lenta. | | ggml-opencabrita3b-q8_0.gguf | q8_0 | 8 | 3.52 GB | Quantização em 8-bit. Quase indistinguível do float16. Usa muitos recursos e é mais lento. |
Observação: os valores de RAM acima não pressupõem descarregamento de GPU. Se as camadas forem descarregadas para a GPU, isso reduzirá o uso de RAM e usará VRAM.
Como executar com llama.cpp
Usei o seguinte comando. Ajuste para suas necessidades:
./main -m ./models/open-cabrita3b/ggml-opencabrita3b-q5_1.gguf -n 128 -p "Instrução: Escreva um poema sobre Ciência e Tecnologia. Resposta: "
Para compreender os parâmetros, veja a documentação do llama.cpp