/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-4B
Библиотека
gguf
Опубликована
17 июн 2026

Qwen3.5-4B-GGUF

Генерация текстаТекст → текст15 профессий

AtomicChat/Qwen3.5-4B-GGUF — это набор GGUF-квантизаций базовой модели Qwen/Qwen3.5-4B, подготовленный командой Atomic Chat.

7 370скачиваний 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 локального и полностью автономного запуска задач генерации текста, включая диалоги, рассуждения, программирование и агентские сценарии. В репозитории представлены только текстовые версии без визуального проектора, поэтому изображения не поддерживаются, хотя базовая модель относится к мультимодальным моделям Text и Image.

Модель содержит около 4,7 млрд параметров и 32 слоя; заявлены контекст до 262 144 токенов и словарь размером 248 320 токенов. Архитектура описана как плотный декодер с 16 attention heads и 4 KV heads. Доступны варианты квантизации от Q2_K до Q8_0, включая версии с importance matrix, которая призвана уменьшить потери качества при низкой разрядности. Вариант Q4_K_M указан как оптимальный баланс размера, скорости и качества; файлы занимают примерно от 1,9 до 4,5 ГБ.

Сильные стороны модели — возможность офлайн-использования, широкий выбор квантизаций и относительно небольшие требования к памяти. К ограничениям относятся потеря качества в наиболее компактных вариантах, отсутствие поддержки изображений в данном репозитории и необходимость применять шаблон чата Qwen3.5 через параметр --jinja, иначе возможна некорректная генерация диалоговых реплик. Приведённые в README результаты являются опубликованными оценками базовой Qwen3.5-4B, а не независимыми измерениями Atomic Chat. Лицензия — 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

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

Highlights

  • 4.7B parameters: the weights this repo quantizes.
  • Context length: 262,144 tokens (256K), as published by Qwen.
  • 32 layers: Dense decoder.
  • Modalities: the base model handles Text, Image; this repo ships text-only quants, it carries no vision projector.
  • Full imatrix ladder: every quant is calibrated with an importance matrix.
  • Unified Vision-Language Foundation: Early fusion training on multimodal tokens achieves cross-generational parity with Qwen3 and outperforms Qwen3-VL models across reasoning, coding, agents, and visual understanding benchmarks.
  • Efficient Hybrid Architecture: Gated Delta Networks combined with sparse Mixture-of-Experts deliver high-throughput inference with minimal latency and cost overhead.

[!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 chat template is applied. Without it the model can emit malformed turns.

Model Overview

PropertyValue
Base modelQwen/Qwen3.5-4B
Parameters4.7B
Layers32
Context length262,144 tokens (256K)
Vocabulary248,320
ModalitiesText, Image in the base model; text only in this repo, it ships no vision projector
ArchitectureDense decoder, 16 attention heads over 4 KV heads, Qwen3_5ForConditionalGeneration
This repoGGUF quants (imatrix). Quants: Q2_K, IQ3_M, Q3_K_M, Q3_K_L, IQ4_XS, Q4_K_S, Q4_K_M, UD-Q4_K_XL, Q5_K_S, Q5_K_M, Q6_K, Q8_0

Scores are Qwen's published results for the base Qwen/Qwen3.5-4B, not our own measurements. Quantization preserves the large majority of this; Q4_K_M and up stay close to full precision.

Choosing a quant

QuantSizeNotes
Q2_K1.9 GBSmallest K-quant. Minimal RAM, clear quality drop.
IQ3_M2.2 GBBeats Q3 at a similar size thanks to imatrix. Best low-RAM pick.
Q3_K_M2.3 GBLow quality but usable.
Q3_K_L2.4 GBA step above Q3_K_M.
IQ4_XS2.5 GBExcellent quality for size. Recommended low-bit.
Q4_K_S2.6 GBCompact 4-bit, fast.
Q4_K_M2.7 GBRecommended default. Best balance of size, speed and quality.
UD-Q4_K_XL2.9 GBDynamic. Embeddings and output kept at Q8_0 for higher quality at a Q4 footprint.
Q5_K_S3.0 GBHigher quality, slightly more compact than Q5_K_M.
Q5_K_M3.1 GBHigher quality, low loss.
Q6_K3.5 GBNear lossless, noticeably lighter than Q8_0.
Q8_04.5 GBEffectively lossless, reference quality.

[!TIP] Pick the largest file that fits your (V)RAM with room for context. Q4_K_M or UD-Q4_K_XL is the sweet spot for most setups; Q6_K or Q8_0 for maximum fidelity.

Get started

Run Qwen3.5 4B locally with:

  • Atomic Chat: the easiest path. Open the app, search AtomicChat/Qwen3.5-4B-GGUF, pick a quant, hit Use this model.
  • llama.cpp: llama-server -hf AtomicChat/Qwen3.5-4B-GGUF:Q4_K_M --jinja -c 8192
  • Ollama: ollama run hf.co/AtomicChat/Qwen3.5-4B-GGUF:Q4_K_M
  • LM Studio / Jan: search the repo id, download any quant.

Best practices

ParameterValue
temperature1.0
top_p0.95
top_k20
min_p0.0
repetition_penalty1.0

Qwen's recommended sampling configuration for Qwen/Qwen3.5-4B.

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-GGUF:Q4_K_M \
    --jinja -ngl 99 -c 8192 -fa on

How these were made

  1. Download Qwen/Qwen3.5-4B (original weights).
  2. Convert to f16 GGUF with llama.cpp.
  3. Build an importance matrix over our calibration corpus.
  4. Quantize the ladder with --imatrix.
  5. UD-Q4_K_XL additionally pins the token-embedding and output tensors to Q8_0.

License

Original model by Qwen, released under the Apache 2.0 license. Full terms: Apache 2.0. 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
2df508a

0 моделей