/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-9B-Harmonic
Опубликована
2 апр 2026

Qwen3.5-9B-Harmonic-GGUF

Генерация текстаТекст → текст11 профессий

DJLougen/Qwen3.5-9B-Harmonic-GGUF — набор GGUF-квантизаций модели Qwen3.5-9B-Harmonic, разработанной DJLougen на базе unsloth/Qwen3.5-9B.

2 200скачиваний за 30 дней1лайквеса обновлены3 апр 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 дообучена с использованием Unsloth и Hugging Face TRL примерно на 800 синтетических примерах с ответами Claude; доступные файлы созданы с помощью llama.cpp, включая варианты с importance matrix на основе WikiText-2. Лицензия — Apache 2.0.

Модель предназначена прежде всего для генерации кода, рассуждений и использования в агентных сценариях, например в Hermes Agent, а также для локального запуска через совместимые инструменты вроде LM Studio и Ollama. Заявлена поддержка английского языка, текстовой генерации и мультимодального ввода изображений и видео благодаря vision encoder Qwen3.5. Контекстное окно составляет 262 144 токена, размер модели — около 9 млрд параметров. Архитектура гибридная: 32 слоя, сочетающие линейное внимание с компонентами Mamba SSM и полное внимание; используется GQA.

По приведённым оценкам модель показывает pass@1 87,2% на HumanEval, 81,7% на HumanEval+ и accuracy 80,36% на MMLU-Pro, с особенно высокими результатами в математике, биологии, химии и физике. Конкретное качество зависит от выбранного уровня квантизации; представлены варианты от F16 до более компактных форматов. Важное ограничение — автор предупреждает, что модель оптимизирована для работы внутри структурированного агентного harness и может вести себя непредсказуемо при обычном запуске без подходящего системного промпта; надёжность разговорного поведения вне такого окружения не гарантируется.

Для каких профессий подходит11

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

Note: These models are optimized for use within an agentic harness (e.g. Hermes Agent) and may behave unexpectedly in raw inference without a system prompt. Capability benchmarks are strong but conversational behavior outside of a structured harness is not reliable. I am currently working on v2 to address this and reduce harness dependency.

Support This Work

Im a PhD student in visual neuroscience at the University of Toronto who also happens to spend way too much time fine-tuning, merging, and quantizing open-weight models on rented H100s and a local DGX Spark. Its a hobby that got out of hand. If my uploads have been useful to you, consider buying a PhD student a coffee. It goes a long way toward keeping these experiments running.

☕ ko-fi.com/djlougen


Qwen3.5-9B-Harmonic

Quantizations of DJLougen/Qwen3.5-9B-Harmonic, a Qwen3.5-9B model fine-tuned with Unsloth and Hugging Faces TRL library.

Benchmark Results

Code Generation

Evaluated using EvalPlus with greedy decoding (temperature=0). Served via LM Studio local inference.

BenchmarkDJL-Qwen3.5-9B-HarmonicQwopus3.5-9B-v3Qwen3.5-9B (base)
HumanEval (pass@1)87.2%87.8%82.9%
HumanEval+ (pass@1)81.7%82.9%77.4%

Comparison models: Jackrong/Qwopus3.5-9B-v3, unsloth/Qwen3.5-9B.

MMLU-Pro (Knowledge & Reasoning)

Evaluated on 280 questions (40 per category) from the TIGER-Lab/MMLU-Pro test split using Q8_0 quantization served via Ollama. Chain-of-thought prompting with greedy decoding (temperature=0).

BenchmarkDJL-Qwen3.5-9B-HarmonicQwopus3.5-9B-v3
MMLU-Pro (overall)80.36% (225/280)81.79% (229/280)

Per-category breakdown:

CategoryAccuracy
Math92.5% (37/40)
Biology90.0% (36/40)
Chemistry87.5% (35/40)
Physics87.5% (35/40)
Computer Science75.0% (30/40)
Health70.0% (28/40)
Other60.0% (24/40)

Training Data

Fine-tuned on only ~800 rows of self-generated Claude responses. Analyzed the data behind the Jackrong Qwopus models to understand what worked, then generated my own training data from scratch, structured so that quality can be quantitatively checked. The reasoning traces follow a phased structure, and the distribution of reasoning effort across those phases was shaped using ideas from harmonic and Fourier analysis. The idea is that you can treat reasoning depth allocation like a signal processing problem, where different phases of thought get weighted according to frequency-domain characteristics of the problem structure. ~800 rows turned out to be more than enough when the shape of the reasoning is right.

Base Model

  • Architecture: Qwen3.5 (Qwen3_5ForConditionalGeneration) — hybrid linear + full attention with Mamba SSM components
  • Base: unsloth/Qwen3.5-9B
  • Parameters: ~9B
  • Hidden Size: 4,096
  • Layers: 32 (24 linear attention + 8 full attention, every 4th layer)
  • Attention Heads: 16 (4 KV heads, GQA)
  • Head Dim: 256
  • Intermediate Size: 12,288
  • Activation: SiLU
  • Context Length: 262,144 tokens
  • Vocab Size: 248,320
  • Precision: bfloat16
  • License: Apache 2.0
  • Vision: Qwen3.5 vision encoder (1152-dim, 27-layer, patch size 16)
  • Chat Template: ChatML (<|im_start|> / <|im_end|>)
  • Multimodal Tokens: image (248056), video (248057)
  • RoPE: Multimodal RoPE (mRoPE) with interleaved sections [11, 11, 10], theta = 10,000,000

Layer Architecture Detail

Qwen3.5-9B uses a hybrid attention pattern mixing standard full attention with linear attention layers that include a Mamba-style SSM component (conv kernel dim = 4, SSM dtype float32):

  • Full attention layers: every 4th layer (layers 3, 7, 11, 15, 19, 23, 27, 31)
  • Linear attention layers: all remaining layers (24 of 32)
  • Linear attention config: 16 key heads (dim 128), 32 value heads (dim 128)
  • Partial rotary factor: 0.25

Quantizations

All quantizations produced with llama.cpp. IQ quants use an importance matrix computed from WikiText-2 calibration data.

427 tensors per file.

QuantSizeBPWNotes
F1616.69 GB16.00Full precision. Use if you have the VRAM/RAM.
Q8_08.87 GB8.51Near-lossless.
Q6_K6.85 GB6.57Excellent quality.
Q5_K_M6.02 GB5.77Great balance of quality and size.
Q5_K_S5.87 GB5.63Slightly smaller Q5.
Q4_K_M5.24 GB5.03Popular sweet spot — minimal quality loss.
IQ4_NL5.05 GB4.84Importance-matrix 4-bit — can outperform standard Q4 at similar size.
Q4_K_S4.98 GB4.78Smaller Q4.
IQ4_XS4.84 GB4.64Importance-matrix 4-bit, extra small.
Q3_K_M4.31 GB4.13Moderate quality at 3-bit.
IQ3_M4.11 GB3.94Importance-matrix 3-bit — good quality for the size.
IQ3_S4.07 GB3.90Importance-matrix 3-bit, small.
Q3_K_S3.97 GB3.80Smaller 3-bit.
IQ3_XXS3.67 GB3.52Importance-matrix 3-bit, extra extra small.
IQ2_M3.36 GB3.22Extreme compression with imatrix. Quality degrades.
IQ2_S3.19 GB3.06Extreme compression.
IQ2_XXS2.89 GB2.77Very aggressive compression.
IQ1_M2.68 GB2.57Maximum compression. Expect significant quality loss.
IQ1_S2.55 GB2.45Maximum compression. Expect significant quality loss.

Usage

llama.cpp

llama-cli -m Qwen3.5-9B-Harmonic-Q4_K_M.gguf -p "You are a helpful assistant." -cnv

LM Studio / Ollama / KoboldCpp

Download any GGUF file and load it directly.

Credits

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
dce8072

0 моделей