据报道，华为苏黎世的实验室发布了一种新的开源量化方法，可在不牺牲大模型输出质量的情况下，减少显存需求。该技术名为 SINQ（Sinkhorn-Normalized Quantization），目前已在GitHub和Hugging Face上开源，采用Apache 2.0许可，允许企业和研究机构免费使用、修改和商业部署。

SINQ的核心优势在于其快速、无需校准，并且易于集成到现有模型工作流中，通过独特的量化方法，将模型的显存需求降低了60%至70%，具体取决于模型架构和位宽。

这意味着原本需要超过60GB显存才能运行的模型，现在可以在大约20GB的环境中运行。原本需要在高端企业级GPU（如A100或H100）才能运行的大模型，如今可在更经济的硬件上运行，例如单张RTX 4090。

SINQ已在多种架构和模型（如Qwen3系列、LLaMA和DeepSeek）上进行了评估，并在WikiText2和C4等基准测试中表现出色，显著降低了困惑度和翻转率。

它还支持非均匀量化方案（如NF4），并可与校准方法（如AWQ）结合使用，进一步缩小与全精度模型的差距。

在运行效率方面，SINQ的量化速度比HQQ快约两倍，比AWQ快30倍以上，非常适合对量化时间有实际限制的研究和生产环境。