模型文件识别与下载规范（跨平台版）主流平台模型文件类型对照表平台核心权重文件配置文件分词文件量化文件其他说明

适用于 Hugging Face、Ollama、CivitAI、ModelScope、Replicate 等模型平台
目标：快速判断文件作用，避免无意义的全量下载

一、主流平台模型文件类型对照表

平台	核心权重文件	配置文件	分词文件	量化文件	其他说明
Hugging Face	`.safetensors`, `.bin`, `.pt`	`config.json`	`tokenizer.json`, `vocab.txt`, `tokenizer.model`	`.gguf`, `.ggml`, `quantize_config.json`	结构最完整
Ollama	`.gguf`	`Modelfile`	已内嵌	`.gguf` 内含量化	模型一次打包为 `.gguf`
CivitAI	`.safetensors`, `.ckpt`	模型卡说明	`.pt` / `.bin`（少见）	`.safetensors` 内部即量化	主要为 Stable Diffusion
ModelScope	`.bin`, `.safetensors`	`configuration.json`	`tokenizer.json`	`.int8`, `.int4` 等	国内模型平台
Replicate	`.tar`, `.pkl`	Dockerfile + metadata	含于镜像	依镜像结构	通常 API 调用

二、常见文件后缀与作用

后缀	含义	框架 / 平台	是否权重文件	可量化	下载建议
`.safetensors`	高效安全权重	HF / CivitAI	✅	✅	✅ 推荐
`.bin`	PyTorch 旧版权重	HF / ModelScope	✅	✅	✅
`.pt`	PyTorch 权重	通用	✅	✅	✅
`.ckpt`	TensorFlow / SD 快照	CivitAI	✅	✅	⚙️
`.gguf`	GGUF 量化文件	Ollama / llama.cpp	✅	✅	✅（单文件推理）
`.ggml`	GGML 旧量化格式	llama.cpp	✅	✅	⚙️（不推荐）
`.onnx`	ONNX 跨框架推理格式	HF / ONNX Runtime	✅	⚙️	✅
`.tflite`	TensorFlow Lite 移动端推理文件	Android / Edge	✅	✅	✅
`.json`	模型结构/配置	通用	❌	❌	✅
`.model / .txt`	分词器、词表	HF / SentencePiece	❌	❌	✅
`.tar / .pkl`	打包或 Pickle 格式	Replicate / Torch	✅	⚙️	⚙️
`.onnx.zip / .tar.gz`	模型压缩包	ModelScope / Replicate	✅	✅	⚙️

三、判断模型是否量化

判断方式	示例	说明
文件名包含 `int4`, `int8`, `q4`, `q8`, `gguf`, `quantized`	`llama2-7b-q4.gguf`	明确量化
存在 `quantize_config.json` / `q_config.json`	Hugging Face 常见	包含位宽设置
模型说明中提到 `GGUF`, `GPTQ`, `AWQ`, `bitsandbytes`	“支持 4bit/8bit”	说明量化
文件显著变小（如 13GB → 4GB）	-	高概率量化版

四、常见量化类型速查表

类型	位宽	精度影响	加速效果	常见格式	说明
FP16	16-bit	极低	中等	`.safetensors`, `.bin`	半精度浮点
INT8	8-bit	可忽略	明显	`.gguf`, `.q8`	常见服务器优化
INT4	4-bit	略降	显著	`.gguf`, `.q4`	轻端设备常用
NF4 / FP4	混合4bit	极低	高	`.gguf`	高保真量化
GGUF / GGML	多量化方案	自定义	高	`.gguf`	Ollama 使用

五、模型仓库识别示例

Hugging Face

meta-llama/Llama-2-7b-chat-hf/
├── config.json
├── tokenizer.json
├── tokenizer.model
├── model-00001-of-00002.safetensors
├── model-00002-of-00002.safetensors
├── generation_config.json
└── special_tokens_map.json

下载建议：

config.json
tokenizer.*
所有 model-*.safetensors

Ollama

llama2:7b.q4_0.gguf
Modelfile

说明：

.gguf 含权重 + tokenizer + 量化信息
仅需下载 .gguf

CivitAI

majicmixRealistic_v7.safetensors
vae-ft-mse-840000-ema-pruned.safetensors

说明：

主模型 + 可选 VAE
推理时仅需主模型

六、内部命名规范（推荐统一格式）

<模型名>_<架构>_<参数量>_<用途>_<精度>_<平台>.<格式>

文件名	含义
`llama2_7b_chat_fp16_hf.safetensors`	Hugging Face 半精度
`llama2_7b_instruct_q4_ollama.gguf`	Ollama 4bit 量化
`qwen1.5_14b_base_int8_modelscope.bin`	ModelScope INT8
`majicmix_v7_fp16_civitai.safetensors`	SD 模型
`phi3_3b_instruct_q8.gguf`	Ollama 8bit 量化

七、下载策略（节省带宽）

需求	需下载文件	说明
推理	配置 + tokenizer + 核心权重	不下训练参数
LoRA 推理	base 模型 + adapter	合并时再加载
移动端	`.tflite` / `.gguf`	轻量版
调优	部分量化模型	不下全精度
Ollama	`.gguf`	单文件包含全部

八、推荐实践

下载前先读 README / Modelfile
下载后重命名为内部规范
维护模型索引表
- 来源平台
- 模型大小
- 是否量化
- 任务类型（chat / vision / instruct）
用 Git LFS 或模型管理脚本
优先下载量化或裁剪版

九、推荐内部目录结构

/models
  /huggingface/
    llama2_7b_chat_fp16_hf.safetensors
  /ollama/
    phi3_3b_instruct_q8.gguf
  /civitai/
    majicmix_v7_fp16_civitai.safetensors
  /modelscope/
    qwen1.5_14b_base_int8_modelscope.bin
  index.json

建议配合版本控制与索引管理：

index.json 记录每个模型的：
- 平台
- 量化信息
- 用途
- 文件大小
- 下载链接

可快速查找并只下载所需模型。