/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-8B
Опубликована
29 июл 2026

Qwen3-8B-GGUF

Генерация текстаТекст → текст15 профессий

6block/Qwen3-8B-GGUF — набор GGUF-квантизаций базовой модели Qwen3-8B, разработанной командой Qwen и подготовленной пользователем 6block с использованием llama.cpp.

901скачиваний за 30 дней1лайквеса обновлены30 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель предназначена для генерации текста, диалоговых приложений, работы с английским и китайским языками, а также задач программирования. Квантизации можно запускать локально через llama.cpp, LM Studio, Ollama и совместимые проекты.

В набор входят варианты Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_XS, IQ3_M и Q2_K размером примерно от 3,28 до 8,71 ГБ. При создании использовалась importance matrix (imatrix) и двуязычный, ориентированный на код набор калибровочных данных, что должно помогать сохранять качество китайского языка и программирования при низкой разрядности. В README не указаны архитектурные детали исходной Qwen3-8B, размер контекста и точный перечень поддерживаемых возможностей, поэтому эти характеристики нельзя достоверно описать.

Основные преимущества — возможность локального запуска, несколько вариантов компромисса между качеством, скоростью и требованиями к памяти, а также публикация файла imatrix для воспроизводимости квантизации. Более низкие квантизации экономят память, но могут заметнее уступать по качеству; I-квантизации ориентированы на лучшую эффективность при малом размере, однако на CPU могут работать медленнее K-квантизаций. Набор распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Llamacpp imatrix Quantizations of Qwen3-8B by Qwen

Using llama.cpp at commit 9a3bf2b for quantization.

Original model: https://huggingface.co/Qwen/Qwen3-8B

All quants made using the imatrix option with a bilingual (English + Chinese) and code-heavy calibration dataset, so low-bit quants keep more of their Chinese and coding ability than a English-only calibration would.

Run them in LM Studio, Ollama, or directly with llama.cpp and any llama.cpp based project.

Prompt format

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

Download a file (not the whole branch) from below:

FilenameQuant typeFile SizeDescription
Qwen3-8B-Q8_0.ggufQ8_08.71GBExtremely high quality, generally unneeded but max available quant.
Qwen3-8B-Q6_K.ggufQ6_K6.73GBVery high quality, near perfect, recommended.
Qwen3-8B-Q5_K_M.ggufQ5_K_M5.85GBHigh quality, recommended.
Qwen3-8B-Q4_K_M.ggufQ4_K_M5.03GBGood quality, default size for most use cases, recommended.
Qwen3-8B-IQ4_XS.ggufIQ4_XS4.56GBDecent quality, smaller than Q4_K_S with similar performance, recommended.
Qwen3-8B-IQ3_M.ggufIQ3_M3.90GBMedium-low quality, new method with decent performance comparable to Q3_K_M.
Qwen3-8B-Q2_K.ggufQ2_K3.28GBVery low quality but surprisingly usable.

The .imatrix file used to produce these quants is included in this repo, so anyone can reproduce or extend the quant set with the exact same importance matrix.

Downloading using the hf CLI

First make sure you have the CLI installed:

pip install -U "huggingface_hub[cli]"

Then target the specific file you want (do not clone the whole repo, it is large):

hf download 6block/Qwen3-8B-GGUF --include "Qwen3-8B-Q4_K_M.gguf" --local-dir ./

Which file should I choose?

A great write up with charts showing various performances is provided by Artefact2 here.

The first thing to figure out is how big a model you can run. For that you need to know how much RAM and/or VRAM you have.

If you want the model running as FAST as possible, fit the whole thing in your GPU's VRAM: pick a quant with a file size 1-2GB smaller than your total VRAM.

If you want maximum quality, add your system RAM and your GPU's VRAM together, then pick a quant 1-2GB smaller than that total.

Next, decide between an 'I-quant' and a 'K-quant'.

If you don't want to think about it, grab a K-quant, in the format QX_K_X such as Q5_K_M.

If you want to dig deeper, see the llama.cpp feature matrix.

In short: if you are targeting below Q4 and running cuBLAS (Nvidia) or rocBLAS (AMD), look at the I-quants, in the format IQX_X such as IQ3_M. They are newer and offer better quality for their size. I-quants also work on CPU, but are slower than their K-quant equivalent, so it is a speed-vs-quality tradeoff.

Credits

Quantization pipeline built on llama.cpp by ggml-org.

Thanks to bartowski and kalomaze for establishing the imatrix calibration practice this pipeline follows.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
8065a02

0 моделей