/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-9B
Библиотека
gguf
Опубликована
24 мая 2026

Qwen3.5-9B-Instruct-MTP-NVFP4-GGUF

Генерация текстаТекст → текст15 профессий

Квантованная в NVFP4 мультимодальная версия Qwen3.5-9B-Instruct для генерации текста по инструкциям и обработки изображений и видео.

268скачиваний за 30 дней0лайковвеса обновлены24 мая 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

Это квантованная в NVFP4 версия Qwen3.5-9B-Instruct от команды Qwen компании Alibaba, опубликованная FreedomAISVR в формате GGUF. Модель предназначена для генерации текста по инструкциям; вместе с файлом мультимодального проектора поддерживает обработку изображений и видео. В основе — гибридная архитектура Mamba2 и Attention, 9 млрд параметров и контекст до 262 тыс. токенов; предусмотрена поддержка Multi-Token Prediction и управления режимом рассуждений. Для запуска README приводит примеры с llama.cpp и llama-cpp-python.

Квантование NVFP4 рассчитано на ускорение на GPU NVIDIA Blackwell и занимает меньше места, чем исходные веса; карточка указывает 4,73 бита на вес. Для обработки изображений и видео требуется отдельный проектор F16. Языки карточки — английский и китайский. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • ответы на вопросы и диалог по инструкциям
  • суммаризация и составление текстов
  • анализ изображений по запросу
  • описание содержимого видео
  • локальный запуск языковой модели на GPU NVIDIA Blackwell

Ограничения

Квантованный формат NVFP4 ориентирован на NVIDIA Blackwell; для обработки изображений и видео нужен отдельный файл проектора F16. В метаданных поддерживаемой задачей указана только генерация текста, поэтому другие возможности следует рассматривать как описанные в README сценарии, а не отдельные подтверждённые pipeline-задачи.

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

Qwen3.5-9B-Instruct-MTP-NVFP4-GGUF

NVFP4 (E4M3) GGUF quantization of Qwen/Qwen3.5-9B, an instruct-tuned multimodal 9B model with hybrid Mamba2-Attention architecture, 262K context window, and MTP (Multi-Token Prediction) support.

Quantized to NVIDIA's native FP4 format (NVFP4, E4M3) for Blackwell GPUs, delivering 4.73 bits per weight with Blackwell-native tensor core acceleration.

About NVFP4

FeatureNVFP4 (E4M3)INT4 (e.g., Q4_K_M)
Block size128 elementsVariable (K-quant blocks)
Dynamic range±57344 (FP4 E4M3)0–7 (INT4, symmetric)
Hardware targetBlackwell tensor coresAll GPUs / CPU
Dequantization overheadNone (native FP4 compute)Required
BPW~4.73~4.50–5.50

Files

FileTypeSizeDescription
qwen35-9b-mtp-nvfp4.ggufNVFP4 quantized model5.08 GBMain model weights with MTP head (33 layers, 442 tensors)
mmproj-qwen35-9b-f16.ggufVision encoder (F16)0.86 GBMultimodal projector for image/video input

Quantization Details

ParameterValue
Quantization formatNVFP4 (E4M3, block 128)
BPW4.73
File type39 (NVFP4)
Hardware targetNVIDIA Blackwell (RTX 50-series)
MTP layers1 (nextn)

Original Model Description

Qwen3.5-9B is a 9-billion-parameter multimodal model from the Qwen team at Alibaba. Key features:

  • Hybrid Mamba2-Attention: Alternating Mamba2 and full attention layers (32 layers, 4:1 ratio)
  • Multimodal: Native image/video support via SigLIP vision encoder
  • 262K context window with MRoPE
  • MTP (Multi-Token Prediction): Multi-step prediction head for improved generation quality
  • Instruct-tuned with tool-use support
  • Thinking control: Reasoning via enable_thinking parameter (off by default)

Usage

llama.cpp CLI

# Text-only
llama-cli -m qwen35-9b-mtp-nvfp4.gguf \
  -p "<|im_start|>system\nYou are a helpful assistant.<|im_end|>\n<|im_start|>user\nHello!<|im_end|>\n<|im_start|>assistant\n"

# Multimodal
llama-cli -m qwen35-9b-mtp-nvfp4.gguf \
  --mmproj mmproj-qwen35-9b-f16.gguf \
  --image photo.jpg \
  -p "Describe this image"

Python (llama-cpp-python)

from llama_cpp import Llama
llm = Llama(model_path="qwen35-9b-mtp-nvfp4.gguf", n_gpu_layers=-1)
response = llm.create_chat_completion(
    messages=[{"role": "user", "content": "Hello!"}]
)

Download via huggingface-hub

from huggingface_hub import hf_hub_download
model_path = hf_hub_download(
    repo_id="FreedomAISVR/Qwen3.5-9B-Instruct-MTP-NVFP4-GGUF",
    filename="qwen35-9b-mtp-nvfp4.gguf"
)

Thinking Control

Thinking (reasoning mode) is disabled by default. Pass enable_thinking=true to enable.

Conversion Pipeline

# 1. Download source
huggingface-cli download Qwen/Qwen3.5-9B --local-dir qwen35-9b-src
# 2. Convert to F16 GGUF (MTP auto-included)
python convert_hf_to_gguf.py qwen35-9b-src --outfile qwen35-9b-bf16.gguf
# 3. Extract mmproj
python convert_hf_to_gguf.py qwen35-9b-src --outfile qwen35-9b-bf16.gguf --mmproj
# 4. Quantize to NVFP4
llama-quantize qwen35-9b-bf16.gguf qwen35-9b-nvfp4.gguf NVFP4

Verification

from gguf import GGUFReader
r = GGUFReader("qwen35-9b-mtp-nvfp4.gguf")
print(f"Architecture: {r.fields['general.architecture'].parts[-1]}")
print(f"Block count: {r.fields['qwen35.block_count'].parts[-1]}")
print(f"MTP layers: {r.fields['qwen35.nextn_predict_layers'].parts[-1]}")
print(f"Tensors: {len(r.tensors)}")
# Expected: qwen35, 33, 1, 442

License

Apache-2.0 (same as the original Qwen3.5-9B model).

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
47a8f7c

0 моделей