/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-27B-Fable-Fusion-711-Heretic2
Опубликована
23 авг 2026

Qwen3.6-27B-Fable-Fusion-711-Heretic2-GGUF

Генерация текстаТекст → текст3 профессии

Qwen3.6-27B-Fable-Fusion-711-Heretic2-GGUF — набор GGUF-квантизаций модели, опубликованный пользователем или организацией Assiduous42.

606скачиваний за 30 дней3лайкавеса обновлены24 авг 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 основана на Assiduous42/Qwen3.6-27B-Fable-Fusion-711-Heretic2, которая, в свою очередь, является производной от Fable-Fusion-711 от DavidAU с применением Heretic-абляции. Модель ориентирована на генерацию текста, особенно на творческое письмо и ролевые сценарии, с уменьшенным числом отказов в задачах креативного письма. Заявлен английский язык; характеристики безопасности и отказов требуют осторожной интерпретации согласно исходному репозиторию.

Доступны варианты FF-Heretic2-Q4_K_S, Q4_K_M и Q5_K_M размером от 15,59 до 19,23 ГБ. Для Q4_K_S указано тестирование на одной RTX 4090 с 24 ГБ VRAM: контекст 98 304 токена, скорость генерации около 29,5 токена в секунду и потребление 20 311 МиБ VRAM при использовании кэша K/V Q4_0. В поставку также входит vision projector mmproj-F16.gguf от базовой модели, не изменённый абляцией, однако основная специализация карточки — текстовая генерация. После исправления метаданных модель содержит 64 слоя вместо заявленных ранее 65; MTP-спекулятивное декодирование недоступно.

Модель описана как thinking model: при слишком малом значении max_tokens весь лимит может быть израсходован на рассуждения, поэтому рекомендуется разрешать не менее 600 токенов либо отключать thinking через параметры шаблона чата. Сильными сторонами являются большой заявленный контекст, несколько вариантов квантизации и возможность запуска на потребительской видеокарте; ограничения включают зависимость производительности от оборудования и настроек, отсутствие MTP, англоязычную ориентацию и отсутствие подробных независимых оценок качества. Распространяется по лицензии Apache 2.0 как производная работа.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-27B-Fable-Fusion-711-Heretic2 — GGUF

GGUF quants of Assiduous42/Qwen3.6-27B-Fable-Fusion-711-Heretic2 — a terminal Heretic ablation of DavidAU's Fable-Fusion-711, targeted at creative-writing refusals rather than AdvBench-style harm refusals.

See the source repo for method, prompt-set design, and honest caveats on the refusal numbers.

Files

filesizenotes
FF-Heretic2-Q4_K_S.gguf15.59 GBtested; fits 98k ctx on 24 GB with Q4_0 KV
FF-Heretic2-Q4_K_M.gguf16.55 GB
FF-Heretic2-Q5_K_M.gguf19.23 GB
mmproj-F16.gguf0.93 GBvision projector, from the base model (unmodified by the ablation)

No Q5_1 tensors in any quant — see the note at the bottom on why that matters.

Measured on a single RTX 4090 (24 GB)

FF-Heretic2-Q4_K_S in LM Studio, 98304 context, Q4_0 K and V cache:

load time9 s
VRAM20311 MiB (18585 MiB model + KV)
headroom3828 MiB free
generation~29.5 tok/s

⚠️ Patched metadata — read this if you compare against the original

The base model is a -MTP build carrying an extra multi-token-prediction layer (blk.64). transformers does not model that head, so it was dropped during the LoRA merge — these weights have 64 layers, not 65.

The converter still read nextn_predict_layers: 1 and wrote block_count: 65, producing files that failed to load with:

check_tensor_dims: tensor 'blk.64.attn_norm.weight' not found

Both keys were corrected in-place in every quant here:

keyoriginalpatched
qwen35.block_count6564
qwen35.nextn_predict_layers10

Both are UINT32, so this is a same-width byte write with no offset changes — the tensor data is untouched.

Consequence: MTP speculative decoding is not available. If you were getting "draft tokens accepted" percentages from the original, you will not here.

A note on Q5_1

Worth checking on any GGUF before you trust it: if a quant contains Q5_1 tensors in the MoE/expert path, llama.cpp may fall back to CPU for those matmuls and the model will load almost entirely into system RAM despite ample free VRAM — silently, with no error. Symptoms are ~100% reported GPU utilisation at very low power draw.

You can check the tensor-type histogram from the GGUF header alone, without downloading the whole file, using an HTTP range request for the first few MB.

These quants are clean:

Q4_K 485, F32 353, Q5_K 12, Q6_K 1

Suggested settings

  • Context 98304 with Q4_0 K/V cache fits comfortably on 24 GB at Q4_K_S.
  • This is a thinking model. Short max_tokens will be consumed entirely by the reasoning channel and you will get empty content. Either allow 600+ tokens, or disable thinking: chat_template_kwargs: {"enable_thinking": false}

License

Apache 2.0, inherited. Derivative work.

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
5793b38

0 моделей