/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-0.8B
Библиотека
llama.cpp
Опубликована
3 мар 2026

Qwen3.5-PRISM-Dynamic-Quant-GGUF

Генерация текстаТекст → текст6 профессий

Набор динамически квантованных GGUF-моделей Qwen3.5 для диалоговой генерации текста и мультимодального запуска в llama.cpp.

491скачиваний за 30 дней11лайковвеса обновлены3 мар 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

Ex0bit публикует набор GGUF-квантований семейства мультимодальных моделей Qwen3.5 для запуска через llama.cpp и совместимые приложения. В репозитории представлены варианты размером 0,8B, 2B, 4B и 9B параметров; PRISM-DQ распределяет точность квантования между классами тензоров по анализу весов без калибровочных данных. Для мультимодального запуска доступны проекционные веса mmproj.

Модели предназначены для диалоговой генерации текста, а при использовании мультимодальных компонентов — для обработки изображений. В сравнении на UltraChat автор сообщает об улучшении perplexity на 1–6% относительно равномерного Q3_K_M при сопоставимом или меньшем размере; это результат конкретного теста, а не гарантия качества на других задачах. Для работы нужны совместимый рантайм и подходящий файл модели. Лицензия — Apache-2.0.

Сценарии применения

  • локальный диалоговый помощник
  • генерация ответов и продолжений текста
  • запуск языковой модели в llama.cpp или LM Studio
  • диалог по изображениям с мультимодальными весами
  • сравнение качества и размера квантований Qwen3.5

Ограничения

Заявленное преимущество по perplexity основано на тесте UltraChat с пятью фрагментами и контекстом 512 токенов, поэтому оно может не переноситься на другие данные и задачи. Для обработки изображений требуются соответствующие мультимодальные проекционные веса и совместимый рантайм.

Для каких профессий подходит6

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 PRISM Dynamic Quantization (GGUF)

PRISM Dynamic Quantization (PRISM-DQ) applies per-tensor-class bit allocation based on structural weight analysis — no calibration data or importance matrices required. Each tensor class (attention keys, FFN gates, SSM components, etc.) receives a quantization type proportional to its measured sensitivity, while staying within a target bits-per-weight budget.

This repo contains PRISM-DQ quantized GGUFs for the full Qwen3.5 vision-language model family (0.8B, 2B, 4B, 9B), plus multimodal projection weights (mmproj) for vision capabilities.

Benchmark Results

Pareto Frontier Analysis

Perplexity Comparison (UltraChat, 5 chunks, 512 ctx)

ModelMethodBPWPPLSize
Qwen3.5-0.8BQ3_K_M4.9612.14470 MB
PRISM-DQ4.9411.42468 MB
Q3_K_M (imatrix)4.9611.31470 MB
UD-Q3_K_XL5.1910.94492 MB
IQ4_XS (imatrix)5.2010.35493 MB
UD-Q4_K_XL5.8910.07559 MB
Qwen3.5-2BQ3_K_M4.699.351107 MB
PRISM-DQ4.689.261104 MB
Q3_K_M (imatrix)4.698.401107 MB
UD-Q3_K_XL4.918.271159 MB
IQ4_XS (imatrix)4.978.121173 MB
UD-Q4_K_XL5.688.071340 MB
Qwen3.5-4BQ3_K_M4.366.882293 MB
PRISM-DQ4.316.822271 MB
Q3_K_M (imatrix)4.366.622293 MB
UD-Q3_K_XL4.636.662436 MB
IQ4_XS (imatrix)4.706.512477 MB
UD-Q4_K_XL5.536.562912 MB
Qwen3.5-9BQ3_K_M4.176.254674 MB
PRISM-DQ4.156.184652 MB
Q3_K_M (imatrix)4.175.964674 MB
UD-Q3_K_XL4.516.015054 MB
IQ4_XS (imatrix)4.616.035169 MB
UD-Q4_K_XL5.335.865966 MB

Key Findings

  • PRISM-DQ beats uniform Q3_K_M on all 4 models (1-6% PPL improvement) at same or lower BPW
  • Smallest file size at competitive perplexity across the Qwen3.5 family
  • No calibration data needed — allocation decisions are purely weight-analysis-based
  • When combined with importance matrices, PRISM-DQ+imatrix achieves Pareto-optimal results on 4B and 9B

Model Files

Each subfolder contains the quantized model GGUF plus multimodal projection weights:

Qwen3.5-0.8B/
  Qwen3.5-0.8B-PRISM-DQ.gguf    (446 MB)
  mmproj-BF16.gguf
  mmproj-F16.gguf
  mmproj-F32.gguf
  chat_template.jinja

Qwen3.5-2B/
  Qwen3.5-2B-PRISM-DQ.gguf      (1.0 GB)
  mmproj-BF16.gguf
  mmproj-F16.gguf
  mmproj-F32.gguf
  chat_template.jinja

Qwen3.5-4B/
  Qwen3.5-4B-PRISM-DQ.gguf      (2.1 GB)
  mmproj-BF16.gguf
  mmproj-F16.gguf
  mmproj-F32.gguf
  chat_template.jinja

Qwen3.5-9B/
  Qwen3.5-9B-PRISM-DQ.gguf      (4.3 GB)
  mmproj-BF16.gguf
  mmproj-F16.gguf
  mmproj-F32.gguf
  chat_template.jinja

Usage

Text-only (llama.cpp)

# Download a model
huggingface-cli download Ex0bit/Qwen3.5-PRISM-Dynamic-Quant-GGUF \
  Qwen3.5-9B/Qwen3.5-9B-PRISM-DQ.gguf --local-dir .

# Run with llama-cli
llama-cli -m Qwen3.5-9B/Qwen3.5-9B-PRISM-DQ.gguf \
  -p "You are a helpful assistant." \
  --chat-template-file Qwen3.5-9B/chat_template.jinja \
  -cnv

Vision (multimodal)

# Download model + mmproj
huggingface-cli download Ex0bit/Qwen3.5-PRISM-Dynamic-Quant-GGUF \
  Qwen3.5-9B/Qwen3.5-9B-PRISM-DQ.gguf \
  Qwen3.5-9B/mmproj-BF16.gguf --local-dir .

# Run with llama-mtmd-cli
llama-mtmd-cli -m Qwen3.5-9B/Qwen3.5-9B-PRISM-DQ.gguf \
  --mmproj Qwen3.5-9B/mmproj-BF16.gguf \
  --chat-template-file Qwen3.5-9B/chat_template.jinja \
  -cnv

LM Studio / Ollama

These GGUFs work with any llama.cpp-compatible runtime. Simply point your application at the .gguf file.

PRISM-DQ Quantization Recipes

llama-quantize \
  --tensor-type "attn_gate=Q3_K" \
  --tensor-type "attn_k=Q3_K" \
  --tensor-type "attn_output=IQ4_XS" \
  --tensor-type "attn_q=Q3_K" \
  --tensor-type "attn_qkv=Q3_K" \
  --tensor-type "attn_v=Q4_K" \
  --tensor-type "ffn_down=Q3_K" \
  --tensor-type "ffn_gate=Q3_K" \
  --tensor-type "ffn_up=Q3_K" \
  --tensor-type "ssm_alpha=Q3_K" \
  --tensor-type "ssm_beta=IQ4_XS" \
  --tensor-type "ssm_out=IQ4_XS" \
  --tensor-type "token_embd=Q3_K" \
  --tensor-type "blk\.(4)\.ssm_beta=Q4_K" \
  --tensor-type "blk\.(18)\.ssm_out=Q4_K" \
  input.gguf output.gguf Q3_K
llama-quantize \
  --tensor-type "attn_gate=Q3_K" \
  --tensor-type "attn_k=Q4_K" \
  --tensor-type "attn_output=Q4_K" \
  --tensor-type "attn_q=Q4_K" \
  --tensor-type "attn_qkv=Q3_K" \
  --tensor-type "attn_v=Q4_K" \
  --tensor-type "ffn_down=Q3_K" \
  --tensor-type "ffn_gate=Q3_K" \
  --tensor-type "ffn_up=Q3_K" \
  --tensor-type "ssm_alpha=Q4_K" \
  --tensor-type "ssm_beta=Q4_K" \
  --tensor-type "ssm_out=Q3_K" \
  --tensor-type "token_embd=Q3_K" \
  input.gguf output.gguf Q3_K
llama-quantize \
  --tensor-type "attn_gate=Q3_K" \
  --tensor-type "attn_k=Q4_K" \
  --tensor-type "attn_output=Q5_K" \
  --tensor-type "attn_q=Q3_K" \
  --tensor-type "attn_qkv=Q3_K" \
  --tensor-type "attn_v=Q4_K" \
  --tensor-type "ffn_down=Q3_K" \
  --tensor-type "ffn_gate=Q3_K" \
  --tensor-type "ffn_up=Q3_K" \
  --tensor-type "ssm_alpha=Q4_K" \
  --tensor-type "ssm_beta=Q4_K" \
  --tensor-type "ssm_out=Q3_K" \
  --tensor-type "token_embd=Q3_K" \
  input.gguf output.gguf Q3_K
llama-quantize \
  --tensor-type "attn_gate=Q3_K" \
  --tensor-type "attn_k=Q4_K" \
  --tensor-type "attn_output=IQ4_XS" \
  --tensor-type "attn_q=Q4_K" \
  --tensor-type "attn_qkv=Q3_K" \
  --tensor-type "attn_v=Q4_K" \
  --tensor-type "ffn_down=Q3_K" \
  --tensor-type "ffn_gate=Q3_K" \
  --tensor-type "ffn_up=Q3_K" \
  --tensor-type "output=Q3_K" \
  --tensor-type "ssm_alpha=Q4_K" \
  --tensor-type "ssm_beta=Q4_K" \
  --tensor-type "ssm_out=Q3_K" \
  --tensor-type "token_embd=Q3_K" \
  input.gguf output.gguf Q3_K

How PRISM-DQ Works

PRISM Dynamic Quantization analyzes each weight tensor using 7 structural metrics:

  1. PL-Alpha-Hill — spectral heavy-tail index via eigenvalue analysis
  2. Spectral Dominance — top singular value ratio (rank-1 approximation quality)
  3. OSQE — optimal scale quantization error at multiple bit levels (2, 3, 4, 6 bit)
  4. Matrix Imbalance — max of row/column coefficient of variation
  5. Fragility — log-ratio of 2-bit vs 4-bit quantization error
  6. Boundary Density — fraction of values near quantization bin boundaries
  7. Spectral Position Prior — bidirectional spectral norm product encoding layer position

These metrics are combined into a composite sensitivity score per tensor class. A Lagrangian allocator then distributes bits across classes to minimize total quantization distortion subject to the BPW budget, with per-block refinement for individual tensor overrides.

License

This model is released under the Apache 2.0 license, consistent with the base Qwen3.5 models.

Acknowledgments

  • Qwen Team for the Qwen3.5 model family
  • llama.cpp for the quantization infrastructure
  • Multimodal projection weights sourced from unsloth GGUF conversions

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
8410a91

0 моделей