Характеристики

Лицензия: Apache 2.0
Базовая модель: Qwen3.5-4B-DFlash
Библиотека: gguf
Опубликована: 10 июл 2026

Ссылки

Qwen3.5-4B-DFlash-GGUF

Генерация текстаТекст → текст10 профессий

AtomicChat/Qwen3.5-4B-DFlash-GGUF — GGUF-квантизированная версия модели z-lab/Qwen3.5-4B-DFlash, подготовленная и самостоятельно квантизированная командой Atomic Chat.

52 857скачиваний за 30 дней1лайквеса обновлены22 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 и диалоговых сценариев, включая локальный и полностью офлайн-запуск через llama.cpp, Ollama, LM Studio, Jan или приложение Atomic Chat.

В карточке указано, что модель имеет 0,6 млрд параметров, 6 слоёв и архитектуру плотного декодера DFlashDraftModel с гибридным вниманием: скользящее окно 4096 токенов сочетается с глобальным вниманием. Заявлена длина контекста до 262 144 токенов, словарь из 248 320 токенов и текстовая модальность. Репозиторий содержит квантизацию Q8_0 размером около 0,7 ГБ; она описывается как практически без потерь и рассчитанная на сохранение качества исходной модели. Квантизация выполнена с использованием матрицы важности для каждого тензора.

Сильными сторонами являются небольшой размер, возможность локальной работы, длинный контекст и применение importance matrix при квантизации. Ограничения — отсутствие в карточке сведений о поддерживаемых языках, результатах тестирования, рекомендуемых параметрах sampling и фактическом качестве на задачах. Для корректного диалогового формата необходимо использовать шаблон Qwen3.5 через параметр --jinja; без него возможна генерация некорректных реплик. Исходная модель выпущена под лицензией Apache 2.0; квантизированная версия подготовлена Atomic Chat.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5 4B Dflash, self-quantized to GGUF by Atomic Chat. Built straight from Z Lab's original weights with a per-tensor importance matrix, so this is not a repack of somebody else's files. Runs fully offline.

Highlights

0.6B parameters: the weights this repo quantizes.
Context length: 262,144 tokens (256K), as published by Z Lab.
6 layers: Dense decoder, hybrid sliding-window (4096) and global attention.
Full imatrix ladder: every quant is calibrated with an importance matrix.

[!NOTE] These GGUFs are self-quantized from the original weights, not a repack. The importance matrix keeps low-bit quants closer to the full-precision model.

[!IMPORTANT] Always pass --jinja so the Qwen3.5 4B Dflash chat template is applied. Without it the model can emit malformed turns.

Model Overview

Property	Value
Base model	`z-lab/Qwen3.5-4B-DFlash`
Parameters	0.6B
Layers	6
Sliding window	4096 tokens
Context length	262,144 tokens (256K)
Vocabulary	248,320
Modalities	Text
Architecture	Dense decoder, hybrid sliding-window (4096) and global attention, 32 attention heads over 8 KV heads, `DFlashDraftModel`
This repo	GGUF quants (imatrix). Quants: `Q8_0`

Choosing a quant

Quant	Size	Notes
`Q8_0`	0.7 GB	Effectively lossless, reference quality.

[!TIP] Pick the largest file that fits your (V)RAM with room for context. Q8_0 is the sweet spot for most setups; Q6_K or Q8_0 for maximum fidelity.

Get started

Run Qwen3.5 4B Dflash locally with:

Atomic Chat: the easiest path. Open the app, search AtomicChat/Qwen3.5-4B-DFlash-GGUF, pick a quant, hit Use this model.
llama.cpp: llama-server -hf AtomicChat/Qwen3.5-4B-DFlash-GGUF:Q8_0 --jinja -c 8192
Ollama: ollama run hf.co/AtomicChat/Qwen3.5-4B-DFlash-GGUF:Q8_0
LM Studio / Jan: search the repo id, download any quant.

Best practices

Parameter	Value
sampling defaults	not stated

The base model card does not state sampling defaults.

Run in llama.cpp

git clone https://github.com/ggml-org/llama.cpp
cmake llama.cpp -B llama.cpp/build -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON
cmake --build llama.cpp/build --config Release -j --target llama-cli llama-server

./llama.cpp/build/bin/llama-server \
    -hf AtomicChat/Qwen3.5-4B-DFlash-GGUF:Q8_0 \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

Download z-lab/Qwen3.5-4B-DFlash (original weights).
Convert to f16 GGUF with llama.cpp.
Build an importance matrix over our calibration corpus.
Quantize the ladder with --imatrix.

License

Original model by Z Lab, released under the Apache 2.0 license. Quantized by Atomic Chat.

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: 12a5899