前几天在社区里看到一个帖子，讨论大家是否能感知不同量化版本模型的质量差异。这让我萌生了一个想法：为各种量化模型建立一套基准测试。

目标是更清晰地量化精度损失与VRAM占用、推理速度提升之间的关系。

目前计划包含以下几个测试维度：

- 编程能力

- 数学推理

- 翻译质量

- 世界常识


有社区成员建议增加指令遵循能力的测试，这个很有必要，会加入测试清单。

在开始之前，有人推荐了[2025量化大战](https://www.reddit.com/r/LocalLLaMA/comments/1khwxal/the_great_quant_wars_of_2025/)这个帖子，里面的讨论很有参考价值。

你们觉得还应该测试哪些方面？什么样的测试指标最能体现不同量化版本之间的差异？欢迎提出建议。

（第一次发帖，请多指教）