/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwythos-9B-Claude-Mythos-5-1M
Библиотека
llama-cpp-python
Опубликована
22 июл 2026

Qwythos-9B-PerfectSplit-CoT-GGUF

Генерация текстаТекст → текст14 профессий

Смешанно-квантованная GGUF-версия разговорной модели Qwythos для генерации текста, многошаговых рассуждений и работы с длинным контекстом.

44скачиваний за 30 дней0лайковвеса обновлены23 июл 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Qwythos-9B-PerfectSplit-CoT-GGUF — GGUF-квантование модели Qwythos-9B-Claude-Mythos-5-1M, подготовленное Aronstk15. Это разговорная модель для генерации текста, рассуждений и работы с длинным контекстом; карточка описывает смешанную точность: эмбеддинги, выходная голова и чувствительные компоненты внимания сохраняются в F16, а часть слоёв MLP сжимается. По заявлению автора, размер уменьшен примерно на 37% относительно исходной версии F16, до 10,88 ГБ, с приоритетом сохранения связности многошаговых рассуждений и извлечения информации из длинного контекста. Для запуска README приводит пример с llama.cpp; заявленная лицензия — Apache-2.0.

Модель предназначена для диалоговой генерации, объяснений и анализа текста или данных, а также задач, где нужно учитывать большой объём предшествующего контекста. В метаданных указан базовый чекпойнт empero-ai/Qwythos-9B-Claude-Mythos-5-1M, описанный каталогом как дообученная на Qwen3.5-9B модель; исходная карточка заявляет контекст до 1 млн токенов, но конкретный доступный предел зависит от реализации и настроек запуска.

Преимущество этой сборки — сохранение полной точности для выбранных чувствительных тензоров при сжатии менее чувствительных слоёв. Качество длинных рассуждений и контекстного извлечения описано автором как ожидаемое, без приведённых независимых результатов оценки. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы в диалоге с учётом длинной истории
  • многошаговый анализ и объяснение решения
  • извлечение фактов из длинных текстов
  • анализ данных с текстовым объяснением тенденций

Ограничения

Заявления о качестве CoT и извлечении из контекста основаны на описании автора; независимые результаты оценки не приведены. Для запуска требуется GGUF-совместимая среда, а фактическая длина контекста зависит от настроек и реализации.

Для каких профессий подходит14

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

Qwythos-9B-PerfectSplit-CoT-GGUF

A custom mixed-precision GGUF quantization of Qwythos-9B-Claude-Mythos-5-1M, surgically optimized to preserve Chain-of-Thought (CoT) reasoning quality and 1M-token context recall while reducing the model size by ~37%.

🎯 Why This Quantization Exists

Standard uniform quantizations (Q4_K_M, Q5_K_M, etc.) apply the same bit-width to every tensor. But in reasoning models with hybrid attention stacks, not all weights are equal:

  • Attention & DeltaNet gates control information routing and memory retention. Even 1-bit of error here causes attention score drift at long context lengths and breaks the linear recurrence that powers the 1M context window.
  • MLP layers contain massive mathematical redundancy due to their expansion ratio. They tolerate aggressive quantization with virtually no quality loss.

This model exploits that asymmetry by keeping sensitive layers at full F16 precision and only compressing the redundant MLP layers.

🧬 Quantization Strategy: "Perfect Split"

ComponentPrecisionRationale
Token Embeddings (token_embd.weight)F16First point of contact with input. Errors propagate through every layer.
Output Head (output.weight / lm_head)F16Maps hidden states to vocabulary logits. Quantization here causes wrong token selection and repetition loops.
Attention Projections (attn_q, attn_k, attn_v, attn_gate, attn_qkv)F16Prevents attention score drift at 128K+ context lengths.
DeltaNet / SSM (ssm_a, ssm_alpha, ssm_beta, ssm_dt, ssm_conv1d, ssm_out, ssm_norm)F16The recurrence S_t = α_t ⊙ S_{t-1} + β_t ⊙ (k_t ⊗ v_t) runs for millions of steps. Any error accumulates multiplicatively.
Norms (attn_norm, ffn_norm, ssm_norm)F16Prevents activation scaling drift across 32+ layers.
MLP Layers (ffn_gate, ffn_up, ffn_down)Q5_K_MHighly redundant due to expansion ratio. Safe to compress.

Final Statistics

MetricValue
Original Size (F16)18.00 GB
Final Size10.88 GB
Compression~37% smaller
Average BPW10.43
F16 Tensors331
Q5_K_M Tensors96
Total Tensors427

📊 Expected Quality vs. Standard Quants

MetricStandard Q5_K_MPerfectSplit-CoTFull BF16
CoT Chain Coherence (50+ steps)GoodExcellentExcellent
Repetition LoopsLow riskMinimalMinimal
Long Context Recall (256K+)Moderate driftExcellentExcellent
Tool Call JSON Accuracy~92%~97%+~98%
Factual Knowledge RecallVery GoodVery GoodExcellent
File Size~6.5 GB10.88 GB18.00 GB

Trade-off: This model is ~4 GB larger than a standard Q5_K_M, but preserves near-BF16 quality for reasoning and long-context tasks.

🚀 Usage

With llama.cpp

./llama-cli \
  -m Qwythos-9B-PerfectSplit-CoT.gguf \
  --prompt "Analyze this dataset and explain the trends." \
  --n-predict 2000 \
  --temp 0.6 \
  --top-k 20 \
  --top-p 0.95 \
  --min-p 0.05 \
  --repeat-penalty 1.05 \
  --ctx-size 32768 \
  --cache-type-k q8_0 \
  --cache-type-v q8_0 \
  --flash-attn \
  --ngl 99

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
34f8236

0 моделей