/ Модель

Характеристики

Базовая модель
Ornith-1.5-35B-A3B-BigBang-MTP-GGUF
Библиотека
transformers
Опубликована
9 окт 2026

Qwen3.6-Qworus-35B-A3B-APEX-GGUF

Генерация текстаТекст → текст

Объединённая квантизированная MoE-модель для программирования, терминальных агентов, планирования и диалоговой генерации текста.

413скачиваний за 30 дней0лайковвеса обновлены10 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Qwen3.6-Qworus-35B-A3B-APEX-GGUF — объединённая модель, созданная автором репозитория на основе нескольких дообученных моделей: Ornith-1.5, KAT-Coder V2.5 Dev, occamy-1.0 и CompoWorld. Она предназначена для генерации текста в диалоге, программирования, работы с терминальными агентами, планирования и проектирования программных систем. Модель использует архитектуру Qwen3.6-35B-A3B с MoE; в репозитории представлены квантизированные веса в формате GGUF с методом APEX, сохраняющим чувствительные тензоры MoE. В README отмечены улучшения программирования и более широкий набор возможностей в версии V1.1 по сравнению с V1.

Модель рассчитана на код и агентные сценарии, а также на обычное общение. Карточка не описывает отдельную поддержку других модальностей. Квантизация и смешивание нескольких моделей могут влиять на качество в зависимости от задачи; автор указывает на I-Quality как предпочтительный вариант для качественного программирования и рассуждений. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • генерация и исправление программного кода
  • выполнение задач в терминальном агентном сценарии
  • планирование этапов разработки
  • проектирование программной архитектуры
  • диалоговая помощь по задачам программирования

Ограничения

В README рекомендован вариант I-Quality для программирования и рассуждений; другие квантизации могут отличаться по качеству. Лицензия и подтверждённые показатели качества в предоставленных данных отсутствуют.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-Qworus-35B-A3B-APEX-GGUF

What is this?

This is a DARE-TIES merge of the following finetuned & post-trained models:

  • EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF: The base model, for terminal use, coding, software architecture, planning. Also provides MTP support.
  • Kwaipilot/KAT-Coder-V2.5-Dev: Contributes efficient coding with fewer tokens over more languages.
  • Accio-Lab/occamy-1.0: Contributes general agent abilities, also a semi-official finetune.
  • AllSpark-Research/CompoWorld: Also contributes general agent abilities, different strengths/weaknesses from occamy.

The result is an efficient hybrid model for coding, terminal agent work, planning, designing, and conversation.

Versions:

V1.1: Revised recipe which brings in the CompoWorld 35B-A3B finetune and gives more weight to KAT-Coder and less bias towards Ornith; this version is significantly better at coding and has a wider spread of abilities.

V1: Initial version which is good at terminal use, but not as proficient in coding tasks.


Quantization

Weights are provided quantized with APEX, which preserves sensitive MoE tensors. I-Quality is the best size for high quality coding and reasoning, but I may add other sizes later. The importance matrix was calibrated on about 50% random English text snippets from multiple domains, and 50% tokens generated during real long-context agent sessions with KAT-Coder and Ornith-1.5.


Merge Recipes

Most of the model's weights were merged with DARE-TIES, except for the router gates, shared experts, and self attention layers which are protected from sparsification by using a density of 1.0 and epsilon of 0.0. A mergekit-style YAML was used to produce this model. However, the actual merge was performed by Alloy, rather than Mergekit, as the latter kept producing a broken model which could not be quantized.

V1.1 Recipe:

merge_method: dare_ties
base_model: EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF
tokenizer_source: EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF
dtype: bfloat16
out_dtype: bfloat16

models:
  - model: Kwaipilot/KAT-Coder-V2.5-Dev
    parameters:
      weight: 0.60
  - model: Accio-Lab/occamy-1.0
    parameters:
      weight: 0.20
  - model: AllSpark-Research/CompoWorld
    parameters:
      weight: 0.20

parameters:
  int8_mask: true
  normalize: true
  lambda: 1.05
  density:
    - value: 0.6
    - filter: ".*(mlp\\.gate|mlp\\.shared_expert|self_attn\\.[qkvo]_proj).*"
      value: 1.0
  epsilon:
    - value: 0.12
    - filter: ".*(mlp\\.gate|mlp\\.shared_expert|self_attn\\.[qkvo]_proj).*"
      value: 0.0

V1 Recipe:

merge_method: dare_ties
base_model: EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF
tokenizer_source: EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF
dtype: bfloat16
out_dtype: bfloat16

models:
  - model: Kwaipilot/KAT-Coder-V2.5-Dev
    parameters:
      weight: 0.50
  - model: Accio-Lab/occamy-1.0
    parameters:
      weight: 0.30
  - model: EryriLabs/Ornith-1.5-35B-A3B-BigBang-MTP-GGUF
    parameters:
      weight: 0.20
      
parameters:
  int8_mask: true
  normalize: true
  lambda: 1.05
  density:
    - value: 0.7
    - filter: ".*(mlp\\.gate|mlp\\.shared_expert|self_attn\\.[qkvo]_proj).*"
      value: 1.0
  epsilon:
    - value: 0.12
    - filter: ".*(mlp\\.gate|mlp\\.shared_expert|self_attn\\.[qkvo]_proj).*"
      value: 0.0

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
614b241

0 моделей