/ Модель

Характеристики

Контекст
262 144 токена
Параметры
89,2 млрд
Размер весов
1,2 ТБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · MoE
Базовая модель
Qwen3.8-2.4T-A95B-FP8
Библиотека
mlx
Опубликована
13 авг 2026

AX-Qwen3.8-2.4T-A95B-MLX-AXQ-2bit-MTP

Генерация текстаТекст → текст3 профессии

AutomatosX AX-Qwen3.8-2.4T-A95B-MLX-AXQ-2bit-MTP — экспериментальная 2-битная MLX-упаковка модели Qwen/Qwen3.8-2.4T-A95B-FP8, разработанная для запуска через AX Engine на компьютерах Mac.

1 815скачиваний за 30 дней2лайкавеса обновлены21 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

Это текстогенерационная MoE-модель класса 2,4 трлн параметров с поддержкой английского и китайского языков. Пакет предназначен преимущественно для исследовательских, любительских и демонстрационных сценариев, а не для практического промышленного сервинга.

В модели используется гибридная архитектура с 92 слоями attention, скрытым размером 8192, MoE-интермедиатным размером 2048, 512 экспертами и маршрутизацией 10 экспертов на токен. Основные веса, включая экспертов, attention и shared MLP, квантизированы до 2 бит с размером группы 32; embedding и router используют 8 бит, нормы и LM head — BF16. В пакете также присутствует MTP sidecar размером около 27 ГиБ, однако ускорение MTP не заявлено. Контекст модели в README не указан.

Главное преимущество пакета — возможность разместить 2,4-триллионную MoE-модель на Mac за счёт потоковой подгрузки экспертных слоёв с SSD. Однако полный объём таблицы весов составляет около 1,13 ТиБ, а каждый токен требует операций SSD-ввода-вывода, поэтому модель крайне медленная и непригодна для практического использования. Качество относительно BF16 или FP8 не измерялось, сертификация AX Engine для этой ревизии не планируется. Для работы требуется экспериментальный режим AX Engine; загрузка как полностью резидентной модели через mlx_lm.load не поддерживается.

Распространение выполняется по лицензии Apache-2.0. Пакет имеет статус experimental, not certified и hobby use only; это неподдерживаемый продуктовый артефакт.

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

AX-Qwen3.8-2.4T-A95B-MLX-AXQ-2bit-MTP

Experimental AXQ 2-bit MLX pack of Qwen/Qwen3.8-2.4T-A95B-FP8.

Not certified. Will not be certified in this revision. Layer-stack SSD expert paging is too slow for practical serving, so this pack is a hobby / curiosity artifact: a 2.4T-class Qwen MoE that can exist on a Mac only because experts are paged from disk. If that sounds fun, enjoy. If you need something you can actually work with, use a smaller certified AXQ pack (Qwen 3.6, Flash, Coder-Next, GPT-OSS). No AXQ 4-bit sibling will be published for this base.

This card is convert evidence, not a quality or speed claim. Quality vs BF16 / FP8 was not measured.

This is an AXQuant pack (qwen38-moe-v1), not mlx-optiq. Do not load the OptiQ Qwen 3.8 repos in AX Engine.

Full convert notes: docs/qwen38-axq-2bit.md.

Why it is slow

The full table is ~1.13 TiB. No shipping Mac can resident-load it (512 GB unified memory is still too small). AX Engine pages one fused expert layer at a time (ax_expert_stream.json, required=true). Every token waits on SSD I/O for routed experts. That is why this revision is not a product path.

Estimated streamed peak: ~56 GiB resident trunk + ~12 GiB one layer + KV (about 100 GiB with headroom). You still need AX_ENGINE_2BIT_EXPERIMENTAL=1.

Do not mlx_lm.load this pack as a fully resident model.

Recipe

Affine, group size 32 (qwen38-experimental-2bit-v0.1.yaml):

RoleBits
Expert, attention, shared MLP2
Embedding, router (mlp.gate)8
Norms, LM head16 (BF16)
MTP16, byte-preserved into mtp.safetensors

Source: official FP8 revision d2dc35658bcf77e66643428cb52e774cc3b5bd29 (128×128 weight_scale_inv, unfused per-expert tensors). Convert uses the AXQuant stream backend because mlx_lm.load cannot ingest that snapshot.

Measured artifact

From axquant_manifest.json after weight verification (2026-08-13):

QuantityValue
Plan effective BPW3.157
Measured total BPW4.074
Measured main BPW4.030
Logical parameters2,446,182,725,504
Weight files1,245,853,341,088 bytes (1.13 TiB)
MTP sidecar26,989,794,744 bytes
Hub budget class2bit (leaf). Recipe class remains 2bit-experimental.
Product class2bit-experimental

Stream contract: 512 experts, 10 per token, 828 streamed tensors, layer-stack mode. Converted model_type is qwen3_5_moe (92 hybrid-attention layers, hidden 8192, MoE intermediate 2048, one MTP layer).

Status

ItemStatus
Convert + ax_expert_stream.jsonDone on df-macstudio-m2
Hub weightsUploaded
Quality vs BF16 / FP8Not measured
AX Engine certWill not certify this revision (too slow to be practical)
MTP presentTrue (native mtp.safetensors sidecar, ~27 GiB)
MTP accelerationNot claimed

Hobby use only. Not a supported product pack.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
3f7e4a2

0 моделей