MNN-Pocket 0.3B QAT

0.30B

Alibaba MNN Pocket

官方 QAT 权重转换的 GGUF Q4_1,保留训练得到的 4-bit 编码。输入、输出嵌入共享,共存储 302,830,976 个参数;与由 BF16 转换的 Q8_0 条目是不同权重。28 层均为完整 GQA 注意力。虽然配置和 GGUF 文件头写明 40,960,本条按发布文档保守限定为 32K 上下文。不把任务跑分差异换算成困惑度损失百分比。

⬇ 16.8K HF 下载量♥ 24 点赞taobao-mnn/MNN-Pocket-0.3B-GGUF· 数据更新于 11/17/2026
消费级显卡Mac / 苹果芯片CPU / 轻量VPS

33K

最大上下文

1

量化变体

GGUF Q4_1

最佳质量

—

困惑度增幅(最佳档位)

量化变体对比

各量化级别的显存、质量损失及 RTX 4090 推理速度

实测 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 社区 = 公开报告

格式级别BPW显存PPL 损失速度来源操作
GGUFQ4_15.0694066910777320.3 GB——估算
计算HF

每个体积对应哪个文件

文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。

相关社区实测

以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。

我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。

在 llamaPerf 浏览更多实测 ↗

在本地运行 MNN-Pocket 0.3B QAT

在 Q4_1、4K 上下文下,MNN-Pocket 0.3B QAT 约需 0.3 GB —— 权重 0.2 GB、KV 缓存 0.05 GB、激活缓冲 0.0 GB。本索引中能宽裕跑它的最小规格是 8 GB 显卡 —— 共 11 张,Mac M1 8G 起步;78 张卡中有 78 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。

上下文变长会多花多少

从 4K 提到 32K 约多占 0.39 GB,总量来到 0.7 GB。权重不随上下文变化,只有 KV 缓存会,而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 32K;在 Q4_1 下把它全部撑满约需 1 GB。

该下载哪个版本

本索引只收录了 MNN-Pocket 0.3B QAT 的 GGUF 格式,共 1 个档位(Q4_1)。 该模型没有公开的逐档困惑度数据,因此质量一列留空而不是填估算值 —— 在同一个模型内部,位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。

常见问题

MNN-Pocket 0.3B QAT 需要多少显存?
在 Q4_1、4K 上下文、batch 1 下约 0.3 GB,到 32K 时约 0.7 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
MNN-Pocket 0.3B QAT 能在 8GB 显卡上跑吗?
可以 —— 在 Q4_1、4K 上下文下约需 0.3 GB,在 Mac M1 8G 上还剩 5.7 GB,本索引中 11 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格;78 张中有 78 张可以。
MNN-Pocket 0.3B QAT 该用哪个量化档位?
本索引只收录了这个模型的 Q4_1 一个档位,这里没有可选的。

这个模型能跑在哪

按 Q4_1、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。

提供格式
GGUF

本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-17 RSS → /zh/feed.xml