高精度低位LLM推理工具
经 AI Skill Hub 精选评估，高精度低位LLM推理工具 获评「推荐使用」。已获得 1.4k 颗 GitHub Star，这款AI工具在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。
**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。
**安装与环境准备**
高精度低位LLM推理工具 依赖 Python 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Python 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。
**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪 高精度低位LLM推理工具 的版本更新，及时通知重要功能变化。
A SOTA量化算法，实现高精度低位LLM推理，提高推理效率，降低推理成本。
高精度低位LLM推理工具 是一款基于 Python 开发的开源工具，专注于 quantization、LLM、inference 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
A SOTA量化算法，实现高精度低位LLM推理，提高推理效率，降低推理成本。
高精度低位LLM推理工具 是一款基于 Python 开发的开源工具，专注于 quantization、LLM、inference 等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
# 方式一：pip 安装（推荐）
pip install auto-round
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install auto-round
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/intel/auto-round
cd auto-round
pip install -e .
# 验证安装
python -c "import auto_round; print('安装成功')"
- 访问 GitHub 仓库页面
- 按照 README 文档完成依赖安装
- 根据系统环境完成初始化配置
- 参考官方示例或文档开始使用
- 遇到问题可在 GitHub Issues 中查找解答
# 命令行使用
auto-round --help
# 基本用法
auto-round input_file -o output_file
# Python 代码中调用
import auto_round
# 示例
result = auto_round.process("input")
print(result)
# auto-round 配置文件示例（config.yml） app: name: "auto-round" debug: false log_level: "INFO" # 运行时指定配置文件 auto-round --config config.yml # 或通过环境变量配置 export AUTO_ROUND_API_KEY="your-key" export AUTO_ROUND_OUTPUT_DIR="./output"
简介
<p align="center"> <img src="docs/imgs/AutoRound.png" alt="AutoRound Overview" width="20%"> </p>
Advanced Quantization Algorithm for LLMs
English | 简体中文
User Guide | 用户指南
--- <div align="left">
🆕 What's New
- [2026/05] Model free quantization is available,
auto-round-rtnwill now default to using the model-free approach: Doc.
- [2026/03] Block-wise FP8 quantization is available via
auto-round-rtn --scheme FP8_BLOCK.
- [2026/03] MTP layer quantization has been supported in this PR
- [2025/12] The SignRoundV2 paper is available. Turn on
enable_alg_extand use the AutoScheme API for mixed-precision quantization to reproduce the results: Paper, Notes for evaluating LLaMA models.
- [2025/11] AutoRound has landed in LLM-Compressor: Usage, vLLM blog, RedHat blog, X post, Intel blog, Linkedin, 微信, 知乎.
- [2025/11] An enhanced GGUF quantization algorithm is available via
--enable_alg_ext: Accuracy.
- [2025/10] AutoRound has been integrated into SGLang: Usage, LMSYS Blog, X post, Intel blog, Linkedin.
- [2025/09] MXFP4 and NVFP4 dtypes is available: Accuracy.
- [2025/08] An improved INT2 algorithm is available via
--enable_alg_ext: Accuracy
- [2025/07] GGUF format is supported: Usage.
- [2025/05] AutoRound has been integrated into vLLM: Usage, Medium blog, 小红书.
- [2025/05] AutoRound has been integrated into Transformers: Blog.
- [2025/03] The INT2-mixed DeepSeek-R1 model (~200GB) retains 97.9% accuracy: Model.
✨ Key Features
✅ Superior Accuracy Delivers strong performance even at 2–3 bits example models, with leading results at 4 bits benchmark.
✅ Ecosystem Integration Seamlessly works with Transformers, vLLM, SGLang and more.
✅ Multiple Formats Export Support AutoRound, AutoAWQ, AutoGPTQ, and GGUF for maximum compatibility. Details are shown in export formats
✅ Fast Mixed Bits/Dtypes Scheme Generation Automatically configure in minutes, with about 1.1X-1.5X the model’s BF16 RAM size as overhead. Accuracy results and user guide.
✅ Optimized Round-to-Nearest Mode Use --iters 0 for fast quantization with some accuracy drop for 4 bits. Details are shown in opt_rtn mode
✅ Affordable Quantization Cost Quantize 7B models in about 10 minutes on a single GPU. Details are shown in quantization costs
✅ 10+ VLMs Support Out-of-the-box quantization for 10+ vision-language models example models, support matrix
✅ Multiple Recipes Choose from auto-round-best, auto-round, and auto-round-light to suit your needs. Details are shown in quantization recipes
✅ Advanced Utilities Includes multiple gpus quantization, multiple calibration datasets and support for 10+ runtime backends.
✅ Beyond weight only quantization. We are actively expanding support for additional datatypes such as MXFP, NVFP, W8A8, and more.
Adaptive Schemes (Experimental Feature)
AutoScheme provides an automatic algorithm to generate adaptive mixed bits/data-type quantization recipes. Please refer to the user guide for more details on AutoScheme. ~~~python from auto_round import AutoRound, AutoScheme
model_name = "Qwen/Qwen3-8B" avg_bits = 3.0 scheme = AutoScheme(avg_bits=avg_bits, options=("GGUF:Q2_K_S", "GGUF:Q4_K_S"), ignore_scale_zp_bits=True) layer_config = {"lm_head": "GGUF:Q6_K"}
Installation
Install from pypi
```bash
install inside the hpu docker container, e.g. vault.habana.ai/gaudi-docker/1.23.0/ubuntu24.04/habanalabs/pytorch-installer-2.9.0:latest
pip install auto-round-hpu
CLI Usage
The full list of supported arguments is provided by calling auto-round -h on the terminal.
ModelScope is supported for model downloads, simply set AR_USE_MODELSCOPE=1.
auto-round \
--model Qwen/Qwen3-0.6B \
--scheme "W4A16" \
--format "auto_round" \
--output_dir ./tmp_autoroundWe offer another two recipes, auto-round-best and auto-round-light, designed for optimal accuracy and improved speed, respectively. Details are as follows. <details> <summary>Other Recipes</summary>
```bash
Best accuracy, 3X slower, low_gpu_mem_usage could save ~20G but ~30% slower
auto-round-best \ --model Qwen/Qwen3-0.6B \ --scheme "W4A16" \ --low_gpu_mem_usage
API Usage
```python from auto_round import AutoRound
`low_gpu_mem_usage=True` saves ~20GB VRAM but runs ~30% slower.
ar = AutoRound(model_name_or_path, nsamples=512, iters=1000, low_gpu_mem_usage=True)
API Usage for VLMs
<details> <summary>Click to expand</summary>
This feature is experimental and may be subject to changes.
By default, AutoRound only quantize the text module of VLMs and uses NeelNanda/pile-10k for calibration. To quantize the entire model, you can enable quant_nontext_module by setting it to True, though support for this feature is limited. For more information, please refer to the AutoRound readme.
```python from auto_round import AutoRound
ar = AutoRound(model_name_or_path, nsamples=128, iters=50, lr=5e-3)
auto-round是一款开源的高精度低位LLM推理工具，提供了SOTA量化算法，实现高精度低位LLM推理，提高推理效率，降低推理成本。工具易于安装和使用，适合于LLM推理场景。
- 开源免费，支持本地部署，数据完全自主可控
- 活跃的 GitHub 开源社区，持续迭代更新
- 提供详细文档和使用示例，新手友好
- 支持自定义配置，灵活适配不同使用环境
- 可作为基础组件集成进现有技术栈或进行二次开发
- 本地部署运行，保护数据隐私，满足合规要求
- 自定义集成到现有系统，扩展技术栈能力
- 作为开源基础组件进行商业化二次开发
- +Apache-2.0 协议，可免费商用
- +完全开源免费，无授权费用
- +本地部署，数据完全自主可控
- +开发者社区支持，遇问题可查可问
- −安装和初始配置可能需要一定技术基础
- −功能完整性通常不如成熟商业产品
- −技术支持主要依赖开源社区，响应速度不稳定
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。
AI Skill Hub 点评：高精度低位LLM推理工具 的核心功能完整，质量良好。对于AI 技术爱好者来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | auto-round |
| 原始描述 | 开源AI工具：A SOTA quantization algorithm for high-accuracy low-bit LLM inference, seamlessl。⭐1.4k · Python |
| Topics | quantizationLLMinference |
| GitHub | https://github.com/intel/auto-round |
| License | Apache-2.0 |
| 语言 | Python |
收录时间：2026-05-25 · 更新时间：2026-05-25 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。