/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Опубликована
16 авг 2026

Qwen3.8-27B-GPTQ-INT4-G128

Изображение и текст → текст15 профессий

Chungulus/Qwen3.8-27B-GPTQ-INT4-G128 — это квантизированный вариант базовой модели Qwen/Qwen3.8-27B, разработанной командой Qwen.

670скачиваний за 30 дней3лайкавеса обновлены16 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

Репозиторий содержит deployment-вариант, а не дообученную модель. Квантизация выполнена с помощью GPTQModel в формате GPTQ с 4-битными весами и размером группы 128; размер артефакта составляет около 18,2 ГиБ.

Модель предназначена для генерации текста и сценариев image-text-to-text, включая работу с изображениями, кодом, отладкой, математикой, научными задачами, структурированными ответами, инструментами, многоязычными запросами и контекстами большой длины. В сборке сохранены поддержка vision и schema-valid XML tool calls. Точная длина контекста, перечень поддерживаемых языков и требования к производительности в README не указаны.

К сильным сторонам относятся существенное снижение размера модели за счёт INT4-квантизации, сохранение визуальных и инструментальных возможностей, а также близость к исходной модели по численным метрикам: top-1 agreement составляет 0,9355, а logit cosine similarity — 0,9950. Ограничения включают возможное снижение качества после квантизации, зависимость совместимости от точной версии GPTQModel и родительской ревизии, а также низкую скорость на протестированной конфигурации с CPU offload: RTX 4070 12 ГБ показала медианную скорость декодирования 0,075 токена в секунду. Поддержка speculative decoding не заявлена.

Модель распространяется по лицензии Apache-2.0. Тестирование проводилось с GPTQModel 7.3.4+ на NVIDIA GeForce RTX 4070 12 ГБ в WSL2 Ubuntu 24.04; приведённые показатели производительности не являются гарантией чисто GPU-режима.

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

Qwen3.8-27B GPTQ-INT4-G128

This repository is a quantized deployment variant of the official Qwen/Qwen3.8-27B model. It is not a fine-tune.

Provenance and configuration

  • Exact parent revision: 1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0
  • Quantizer: GPTQModel
  • Quantizer revision: 7df3d1e837cb5552512bf99b8729c334d0b2c010
  • Quantization configuration: {"bits": 4, "calibration_batch_size": 1, "calibration_corpus_sha256": "7ac4e3f0092bd5acfdeaec88f19a8c829458b0716c10ab9e81cda6f8b064b675", "calibration_samples": 128, "calibration_sequence_length": 2048, "calibration_sort": true, "checkpoint_format": "gptq", "desc_act": true, "format": "gptq", "group_size": 128, "lm_head": false, "meta": {"act_group_aware": false, "auto_forward_data_parallel": true, "dense_vram_strategy": "exclusive", "dense_vram_strategy_devices": null, "fallback": {"smooth": null, "strategy": "rtn", "threshold": "0.5%"}, "gc_mode": "interval", "gptaq": null, "hessian": {"chunk_bytes": null, "chunk_size": null, "staging_dtype": "float32"}, "mock_quantization": false, "moe_vram_strategy": "exclusive", "moe_vram_strategy_devices": null, "mse": 0.0, "offload_to_disk": false, "offload_to_disk_path": null, "pack_impl": "cpu", "wait_for_submodule_finalizers": false}, "method": "gptq", "pack_dtype": "int32", "quant_method": "gptq", "sym": true}
  • Artifact size: 18.238 GiB
  • Supported runtime: GPTQModel 7.3.4+
  • Tested hardware: NVIDIA GeForce RTX 4070 12 GB (Ada, SM89), WSL2 Ubuntu 24.04

Calibration and architecture handling

The calibration corpus is original CC0-1.0 material authored for this project. It contains 216 text/tool samples and 8 vision samples across prose, code, debugging, math, science, structured output, tools, multilingual, and long-context categories. This build used calibration/core.jsonl:128.

  • Tensor exclusions: ["*.input_layernorm", "*.post_attention_layernorm", "*.self_attn.q_norm", "*.self_attn.k_norm", "*.linear_attn.norm", "*.linear_attn.conv1d", "*.linear_attn.in_proj_a", "*.linear_attn.in_proj_b"]
  • Vision: True (deterministic image generation gate)
  • Tool use: True (schema-valid XML tool-call gate)
  • MTP: True for preservation of the 15 external tensors; no local speculative drafter/acceptance runtime is claimed.
  • Processor/chat template: exact pinned-parent copy verified.

Numerical validation

Full-vocabulary held-out comparison used 512 token positions.

MetricResult
Mean KL0.02518878
Median KL0.00990394
P95 KL0.08463629
Perplexity delta+4.0345%
Top-1 agreement0.935547
Top-5 set overlap0.912109
Logit cosine similarity0.99503607

Performance smoke

  • Execution mode: RTX 4070 + CPU offload/auto map
  • Device map summary: {"cpu": 52, "cuda:0": 16}
  • Prompt/decode: 512 / 8 tokens
  • Median TTFT: 48.3485 s
  • Median prefill: 10.134 tok/s
  • Median decode: 0.075 tok/s
  • Cold/warm load: 153.769 / 141.985 s
  • Peak physical device memory: 11.684 GiB
  • PyTorch logical allocator peak (diagnostic, may exceed physical VRAM under WSL): 15.577 GiB
  • Peak build RAM / VRAM: 17.538 / 11.180 GiB

Limitations

The RTX 4070 validation may use CPU offload and is not a pure-GPU throughput claim unless the performance mode explicitly says so. Preserved MTP weights do not establish speculative decoding support. Compatibility and quality are established only for the exact revision and runtime above. Machine-readable structural, generation, vision, tools, numerical, and performance reports are stored under validation/ in this repository. Remote verification evidence is retained by the build worker and tied to the exact repository revision.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
e793d48

0 моделей