#LLM量化

共 4 篇相关文章

SiliconLLM项目从零构建CPU原生LLM架构，融合选择性SSM、三值量化（1.58-bit）LUT MLP与细粒度MoE，围绕L3缓存带宽悬崖协同优化。实测三值内核较fp32加速4-5倍，探索消费级CPU本地推理的可行路径。

ComfyUI-INT4-Fast自定义节点正式支持INT4量化推理，RTX 3060（6GB显存）实测17秒生成1024×1024图像。逐层混合精度路由兼顾速度与画质，低显存用户也能运行Krea2 Turbo等Flux系模型。

本地大模型工具Ollama完成6500万美元B轮融资，累计融资8800万美元。900万开发者在用，85%财富500强企业内部已部署。本文深度解析企业青睐本地大模型的核心原因：数据合规、Agent降本、开源生态三大驱动力。

SVDQuant是ICLR 2025 Spotlight论文，通过低秩分解吸收异常值实现扩散模型4-bit量化，显存降低75%。开源项目Nunchaku获3800+ Stars，让FLUX等大型图像生成模型在RTX 4060等中端显卡上流畅推理。