What is GPTQ?

Generalized Post-Training Quantization（广义训练后量化）——一种 4 位权重量化方法，使用来自校准数据集的二阶信息逐层最小化量化误差，产生比朴素量化更高质量的压缩模型。

Definition

GPTQ（Generalized Post-Training Quantization）是一种训练后量化方法，将模型权重压缩到 4 位精度，同时比朴素均匀量化保留显著更多质量。该技术逐层工作：对每个权重矩阵，GPTQ 使用来自小型校准数据集的信息计算关于不同权重中量化误差如何在层中传播的二阶统计，然后选择最小化总层误差而非每权重误差的量化值。

实际结果是，GPTQ 量化的 4 位模型通常在标准基准上保留 95-99% 的原始 FP16 模型准确性，而内存使用约少 4 倍。GPTQ 在推理框架中得到广泛支持——vLLM、TensorRT-LLM、ExLlamaV2 等都直接消费 GPTQ 量化模型。

Why It Matters

量化是模型能否适配您硬件之间的差异。GPTQ 产生广泛可部署的高质量 4 位量化模型——该格式在推理框架中得到很好支持，许多流行开源权重模型的社区量化 GPTQ 版本可在 Hugging Face 上获取。对于在消费 GPU 上运行推理或试图在服务器硬件上容纳更多并发请求的团队，GPTQ 是标准工具。

Key Takeaways

GPTQ 是训练后 4 位权重量化方法——无需微调
使用校准数据二阶统计最小化层级量化误差
通常以约 4 倍内存减少保留 95-99% 的 FP16 准确性
在 vLLM、TensorRT-LLM、ExLlamaV2 等推理框架中得到广泛支持
AWQ 的常见替代方案——相对质量因模型族而异

How Ertas Helps

在 Ertas Studio 中微调模型后，GPTQ 是与 GGUF 和 AWQ 并列的导出量化选项之一。在它们之间选择取决于您的推理框架：vLLM 和 TensorRT-LLM 接受 GPTQ 和 AWQ；Ollama 和 llama.cpp 偏好 GGUF。Ertas Studio 的导出管道根据您声明的部署目标处理所有三种格式。