# hqq-quantization

Скилл для квантизации весов LLM в 8/4/3/2/1 бит без калибровочного датасета. Пригодится, когда нужно сжать модель за минуты и отдать её в vLLM или Transformers.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 962 установки · ★ 13956
- Автор: Orchestra Research
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/10-optimization/hqq/SKILL.md
- Обновлён: 2026-10-11
- HTML: https://affpapa.org/nevibecode/skills/hqq-quantization

## Что делает

Скилл объясняет агенту, как применять Half-Quadratic Quantization: вместо подбора калибровочных данных вы задаёте `BaseQuantizeConfig` с числом бит, размером группы и осью, а `HQQLinear` заменяет обычный `nn.Linear`. Для полной модели то же самое делается через `HqqConfig` в `AutoModelForCausalLM.from_pretrained`.

Внутри описаны несколько бэкендов вывода: чистый PyTorch, `pytorch_compile`, ATEN, TorchAO int4, GemLite, BitBlas и Marlin. Marlin рассчитан на GPU Ampere и новее, BitBlas и TorchAO требуют отдельных пакетов. Есть раздел про смешанную точность — внимание в 4 бита, MLP в 2 бита — и про дообучение квантованной модели через LoRA/PEFT.

Понадобятся `hqq>=0.2.0` и `torch>=2.0.0`. Если работаете с моделями на HuggingFace Hub, готовые HQQ-веса можно просто загрузить и запустить генерацию. Для серверного вывода скилл показывает запуск через vLLM с параметром `quantization="hqq"`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill hqq-quantization -a claude-code
```
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill hqq -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/hqq/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/hqq/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill hqq -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/hqq/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill hqq -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/hqq/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Orchestra-Research/AI-Research-SKILLs hqq
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/hqq/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill hqq -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Orchestra-Research/AI-Research-SKILLs --path 10-optimization/hqq
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/hqq/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Orchestra-Research/AI-Research-SKILLs --skill hqq -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Orchestra-Research/AI-Research-SKILLs/tree/HEAD/10-optimization/hqq/SKILL.md

## Когда брать
- сжать модель в 4 бита без калибровочного датасета
- уложить LLM в память одной GPU через 2-битную квантизацию
- подобрать бэкенд вывода под конкретную видеокарту
- смешать точность по слоям: внимание в 4 бита, MLP в 2
- дообучить квантованную модель через LoRA

## Примеры запросов агенту
- Сквантуй meta-llama/Llama-3.1-8B в 4 бита через HQQ и сохрани в ./llama-8b-hqq-4bit
- Настрой HQQ с nbits=2 и group_size=16 для MLP-слоёв, внимание оставь в 4 бита
- Запусти HQQ-модель через vLLM с quantization="hqq"

## Похожие
- [AgentDB Performance Optimization](https://affpapa.org/nevibecode/skills/agentdb-performance-optimization.md) — скилл · 1100 установок
- [vector-index-tuning](https://affpapa.org/nevibecode/skills/vector-index-tuning.md) — скилл · 10700 установок
- [quantized-export](https://affpapa.org/nevibecode/skills/quantized-export.md) — скилл · 2600 установок
- [gke-inference](https://affpapa.org/nevibecode/skills/gke-inference.md) — скилл · 6791 установка
- [tao-run-inference-service](https://affpapa.org/nevibecode/skills/tao-run-inference-service.md) — скилл · 1600 установок
- [jetson-inference-mem-tune](https://affpapa.org/nevibecode/skills/jetson-inference-mem-tune.md) — скилл · 1200 установок

Из того же набора: [orchestra-research/ai-research-skills](https://affpapa.org/nevibecode/by/orchestra-research/ai-research-skills.md) — 66 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md