lijie1228/a-fixed-output-model

手搓「固定输出」模型合集 · Handcrafted "Fixed-Output" GGUF Models

零训练、纯脚本写死权重的「固定输出」模型：无论输入什么，都逐字节输出同一段内容。 没有算力成本、没有训练过程——权重是一张手工构造的「链表」（1 层全零 llama 架构 + embedding / output 双矩阵对齐）。

Zero-training, hand-written weights. Each model always outputs the exact same content, byte for byte, no matter what you ask. No GPU, no training — the weights are a hand-built "linked list" (a 1-layer llama architecture with all-zero attention/FFN and two aligned matrices: embedding & output).

⚡ 一行开始 · Start here

每个模型都有一个 2bit 标准版，就在它自己文件夹的根下，不用进任何子文件夹。 Each model ships a 2-bit standard build sitting at its own folder root — no sub-folder needed.

模型 · Model	2bit 标准版 · Standard build	一行运行 · One-liner
🐦 鹈鹕骑行记 · Pelican Ride	459 KB	ollama run hf.co/lijie1228/a-fixed-output-model:Q2_K
⚔️ 吕布出行记 · Lü Bu Rides	435 KB	ollama run hf.co/lijie1228/a-fixed-output-model:lubu-Q2_K

# 鹈鹕骑行记（骑车）· pelican on a bicycle
ollama run hf.co/lijie1228/a-fixed-output-model:Q2_K

# 吕布出行记（骑狗）· Lü Bu on a dog
ollama run hf.co/lijie1228/a-fixed-output-model:lubu-Q2_K

已收录 · Models

🐦 pelican · 鹈鹕骑行记 · Pelican Ride

逐字节输出一个交互式 HTML 页面：戴头盔的鹈鹕骑车穿过五个场景（晴日 / 黄昏 / 星夜 / 海滨 / 细雨），页内中英切换、可暂停调速、点击响铃。 Recites an interactive HTML page: a helmeted pelican cycling through five scenes, with in-page 中文/English toggle, pause & speed controls, and a bell on click.

13 个量化档（2bit 标准版 + F16 / Q8_0 / Q4_K_M / Q4_K_S / Q3_K_M / Q2_K × 固定版 fixed / 宽版 wide）——全部实测逐字节精确（含 temperature=2 极限采样）。 13 files (the 2-bit standard build + F16 / Q8_0 / Q4_K_M / Q4_K_S / Q3_K_M / Q2_K × fixed / wide) — all verified byte-for-byte (even at temperature=2).

👉 模型卡、硬件估算与双预览截图：pelican-鹈鹕/README.md

⚔️ lubu · 吕布出行记 · Lü Bu Rides

逐字节输出一个交互式 HTML 页面：戴紫金冠、持方天画戟的吕布，因为「赤兔不在」，只好骑着一条狗穿行旷野与月下；页内中英切换、可暂停调速。 Recites an interactive HTML page: Lü Bu in a golden crown with his halberd — his famous steed 赤兔 is missing, so he rides a dog across the fields and under the moon; with in-page 中文/English toggle and pause & speed controls.

同样是 13 个量化档（2bit 标准版 + F16 / Q8_0 / Q4_K_M / Q4_K_S / Q3_K_M / Q2_K × 固定版 fixed / 宽版 wide）——48/48 用例实测逐字节精确（含 temperature=2 极限采样），最小 logit 间隔 93.05（f16 为 93.76，2bit 几乎无损）。 Also 13 files (the 2-bit standard build + F16 / Q8_0 / Q4_K_M / Q4_K_S / Q3_K_M / Q2_K × fixed / wide) — 48/48 cases verified byte-for-byte, minimum logit margin 93.05 (vs 93.76 at f16).

👉 模型卡、硬件估算与双预览截图：lubu-吕布骑狗/README.md

硬件估算 · Hardware requirements

以各模型推荐的 2bit 标准版（均为宽版 Q2_K / 85 万参数）为准，全部为 4 线程纯 CPU 实测值： Based on each model's recommended 2-bit standard build (wide Q2_K / 0.85 M params), all measured on a 4-thread CPU-only machine:

项 · Item	🐦 鹈鹕 · Pelican	⚔️ 吕布 · Lü Bu
权重 · Weights	459 KB	435 KB
参数量 · Parameters	85 万 / 0.85 M	85 万 / 0.85 M
结构 · Architecture	1 层 · n_embd 256 · ffn 256 · ctx 8192	1 层 · n_embd 256 · ffn 256 · ctx 8192
词表 · Vocab	755	723
KV cache @8192 (f16)	8 MB	8 MB
实测峰值内存 @8192 ctx	37 MB	37 MB
显卡 · GPU	不需要 · not needed	不需要 · not needed

• 显卡：不需要，-ngl 0 纯 CPU 即可（权重 < 0.5 MB，KV cache 8 MB）。 No GPU needed — pure CPU is fine (weights < 0.5 MB, KV cache 8 MB).
• 内存：整机留 64 MB 空闲就够（37 MB 是 llama.cpp 运行时本身）。 RAM: 64 MB free is enough (the 37 MB is mostly the llama.cpp runtime itself).
• CPU / 系统：任意 x86-64 / ARM64，Windows / macOS / Linux 均可，无 AVX 要求。 CPU / OS: any x86-64 or ARM64, Windows / macOS / Linux, no AVX required.
• 更小的固定版 Q2_K（鹈鹕 163 KB / 吕布 144 KB，均 12 万参数）峰值内存约 31 MB，输出与宽版一致。 The even smaller fixed Q2_K (pelican 163 KB / Lü Bu 144 KB, 0.12 M params) peaks around 31 MB with identical output.

使用 · Usage

# 🐦 鹈鹕骑行记（骑车）
ollama run hf.co/lijie1228/a-fixed-output-model:Q2_K
# ⚔️ 吕布出行记（骑狗）
ollama run hf.co/lijie1228/a-fixed-output-model:lubu-Q2_K

从零复现 · Reproduce from scratch

scripts/ 是完整流水线（无需训练、无需 GPU，纯 Python + gguf 库）： scripts/ contains the full pipeline (no training, no GPU — plain Python + the gguf package):

脚本 · Script	作用 · Purpose
make_fixed_gguf.py	核心构造器：把目标 HTML 编成「链表权重」，写出 GGUF / Core builder: encodes the target HTML into linked-list weights and writes a GGUF
rebuild_all.py	一键重建全部版本 / Rebuild every variant in one shot
quant_experiment.py / quant_finalize.py	量化试验与定稿 / Quantization experiments & finalization
acceptance.py / test_q32.py	验收：逐字节比对 + logit 间隔实测 / Acceptance: byte-exact diff + measured logit margins
deploy_q32.py	部署到 Ollama 与 HF / Deploy to Ollama & HF

仓库根目录的 Modelfile / Modelfile-wide 是 Ollama 本地加载用的模板。 The Modelfile / Modelfile-wide at the repo root are Ollama templates for local loading.

三个平台互挂 · Three platforms, cross-linked

同一套模型、同一批文件，三个平台互挂、内容逐字节相同（GitHub 版额外含完整流水线源码）： Same models, same files, cross-linked across all three platforms — byte-for-byte identical (GitHub additionally ships the full source pipeline):

平台 · Platform	地址 · URL	特色 · What it's for
📺 哔哩哔哩 · Bilibili	https://www.bilibili.com/video/BV1PmJ26xERe	42 秒宣传片「真的跑一遍给你看」· 42-second promo video
🤗 Hugging Face	https://huggingface.co/lijie1228/a-fixed-output-model	模型托管，Ollama 可 hf.co 直拉 · model hosting, Ollama-pullable
🐙 GitHub	https://github.com/lijie-gh/a-fixed-output-model	模型镜像 + scripts/ 全套源码 · model mirror + full scripts/ pipeline
📦 GitHub Releases	pelican-v1 · lubu-v1	每个模型 13 个 GGUF 附件，英文文件名，直链下载 · 13 GGUF assets per model, direct download

---

整活作品，权当好玩。 · A meme project — just for fun.