一、GGUF 是什么？

GGUF 是一种 通用二进制文件格式，用于存储大语言模型的参数（如权重和偏置）、元信息、配置以及 Tokenizer 等内容。
它的目标是让开发者只用一个文件就能完成模型的加载、推理和部署，无需额外配置。

换句话说，如果以前的 LLM 模型是一堆分散的文件（权重文件、配置文件、词表文件等），
那么 GGUF 就把它们都“打包进了一个文件里”，方便拷贝、分发、加载。
二、GGUF 的内部架构

一个 GGUF 文件本质上是一个二进制文件（binary file），内部按照固定顺序存储了模型的元信息（metadata）、张量信息（tensor info）以及实际的权重数据（tensor data）。

文件的量化类型 file_type = 10 表示 Q4、Q5 等
词表 tokenizer.ggml.tokens

张量信息区（Tensor Info Section）

紧接在元数据后面，用紫色方框标出。
这里存储了每个张量（权重矩阵）的基本信息，数量为 tensor_count。

每个张量包含以下字段：
字段 说明 类型 示例
name 张量名称 GGUF string blk.0.ffn_gate.weight
n_dimensions 张量维度数 UINT32 2
dimensions 各维度大小 UINT64[] [4096, 32000]
type 数据类型 / 量化方式 UINT32 10(GGML_TYPE_Q2_K)
offset 该张量在文件中实际数据的偏移位置 UINT64 43024384

也就是说，这里列出的是“索引表”，告诉加载程序去文件哪个位置取对应权重。

4）张量数据区（Tensor

Data Section）

在文件的最后部分（图中黑色长条 “rest of the file”）存储的是实际的模型权重数据。
每个张量在前面的 offset 字段中标明了自己在文件中的位置。

这些数据通常是量化后的数值矩阵，例如使用 Q4 或 Q5 量化后的权重块。
它们通过 mmap 技术可以直接映射到内存中进行计算，而不需要全部加载到内存中。