Sync v2.0 version of code to github repo

docs/zh/quantization/wint2.md

@@ -0,0 +1,62 @@
+# WINT2量化
+
+权重经过CCQ（Convolutional Coding Quantization）方法离线压缩。权重实际存储的数值类型是INT8，每个INT8数值中打包了4个权重，等价于每个权重2bits. 激活不做量化，计算时将权重实时地反量化、解码为BF16数值类型，并用BF16数值类型计算。
+- **支持硬件**：GPU
+- **支持结构**：MoE结构
+
+CCQ WINT2一般用于资源受限的低门槛场景，以ERNIE-4.5-300B-A47B为例，将权重压缩到89GB，可支持141GB H20单卡部署。
+
+## 启动WINT2推理服务
+
+```
+python -m fastdeploy.entrypoints.openai.api_server \
+       --model baidu/ERNIE-4.5-300B-A47B-2Bits-Paddle \
+       --port 8180 --engine-worker-queue-port 8181 \
+       --cache-queue-port 8182 --metrics-port 8182 \
+       --tensor-parallel-size 1 \
+       --max-model-len 32768 \
+       --max-num-seqs 32
+```
+
+通过指定 `--model baidu/ERNIE-4.5-300B-A47B-2Bits-Paddle` 可自动从AIStudio下载已离线量化好的WINT2模型，在该模型的config.json文件中，会有WINT2量化相关的配置信息，不用再在启动推理服务时设置 `--quantization`.
+
+模型的config.json文件中的量化配置示例如下：
+
+```
+"quantization_config": {
+    "dense_quant_type": "wint8",
+    "moe_quant_type": "w4w2",
+    "quantization": "wint2",
+    "moe_quant_config": {
+    "moe_w4_quant_config": {
+        "quant_type": "wint4",
+        "quant_granularity": "per_channel",
+        "quant_start_layer": 0,
+        "quant_end_layer": 6
+    },
+    "moe_w2_quant_config": {
+        "quant_type": "wint2",
+        "quant_granularity": "pp_acc",
+        "quant_group_size": 64,
+        "quant_start_layer": 7,
+        "quant_end_layer": 53
+    }
+  }
+}
+```
+
+- 更多部署教程请参考[get_started](../get_started/ernie-4.5.md)；
+- 更多模型说明请参考[支持模型列表](https://console.cloud.baidu-int.com/devops/icode/repos/baidu/paddle_internal/FastDeploy/blob/feature%2Finference-refactor-20250528/docs/supported_models.md)。
+
+
+## WINT2效果
+
+在ERNIE-4.5-300B-A47B模型上，WINT2与WINT4效果对比：
+
+| 测试集 |数据集大小| WINT4 | WINT2 |
+|---------|---------|---------|---------|
+| IFEval |500|88.17 | 85.40 |
+|BBH|6511|94.43|92.02|
+|DROP|9536|91.17|89.97|
+
+## WINT2推理性能