/ Модель

Характеристики

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

Qwen3.5-9B-MTP-MXFP4-GGUF

Генерация текстаТекст → текст15 профессий

Мультимодальная квантизованная модель Qwen для генерации текста, рассуждений, вызова инструментов и анализа изображений и видео.

72скачиваний за 30 дней0лайковвеса обновлены25 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

FreedomAISVR/Qwen3.5-9B-MTP-MXFP4-GGUF — мультимодальная модель семейства Qwen, представленная в формате GGUF с квантизацией MXFP4. Репозиторий содержит веса модели размером 5,18 ГБ и мультимодальный проектор SigLIP в формате F16 размером 875 МБ. Указаны 32 трансформерных блока, гибридная архитектура с attention, FFN и SSM, дополнительная голова Multi-Token Prediction и контекст до 262 144 токенов.

Модель предназначена для генерации текста на нескольких языках, понимания изображений и видео, рассуждений и вызова инструментов. Вариант из карточки включает режим рассуждений по умолчанию; его можно отключить параметром генерации. В метаданных базовой моделью указана Qwen/Qwen3.5-9B; лицензия — Apache-2.0. Квантизация уменьшает требования к хранению и вычислениям, но может влиять на точность относительно исходных весов.

Сценарии применения

  • ответы на вопросы по изображениям
  • описание содержания видео
  • многоязычный диалог и генерация текста
  • генерация и анализ программного кода
  • рассуждения и решение задач с вызовом инструментов

Ограничения

Квантизация MXFP4 может снизить точность по сравнению с исходной моделью. Для обработки изображений требуется отдельный файл мультимодального проектора; карточка не приводит количественных оценок качества.

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

Qwen3.5-9BB-MTP-MXFP4-GGUF

About MXFP4

MXFP4 (Microscaling FP4, OCP MXFP4 E2M1) is an open-standard 4-bit format developed by the OCP Microscaling Formats (MX) consortium. Key characteristics:

PropertyMXFP4NVFP4
FormatE2M1 (1 sign, 2 exponent, 1 mantissa)E4M3 (1 sign, 4 exponent, 3 mantissa)
Block size32 elements128 elements
HardwareCPU, GPU (all vendors)NVIDIA Blackwell only
StandardOCP Open StandardNVIDIA proprietary

MXFP4 is the dense-model variant (for MoE models, use MXFP4_MOE).

Files

FilenameTypeSizeDescription
qwen35-9Bb-mtp-mxfp4.ggufMXFP4 quantized model5.18 GBMain model weights (MXFP4, 1 MTP head)
mmproj-qwen35-9Bb-f16.ggufMultimodal projector875 MBVision encoder (SigLIP, F16)
README.mdDocumentation-This file

Quantization Details

ParameterValue
FormatMXFP4 (OCP E2M1)
Block size32
Bits per weight4.72
Hardware targetCPU, AMD GPU, NVIDIA GPU (all), Blackwell
VRAM required~6.0 GB
MTP headYes (1 layer, nextn_predict_layers=1)

Model Description

Qwen3.5-9BB is a multilingual vision-language model with 32 transformer blocks, 262k context length, and 1 MTP (Multi-Token Prediction) head. It supports:

  • Text generation (multilingual: EN, ZH, code)
  • Vision understanding (image + video)
  • Tool calling / function calling
  • Thinking mode (reasoning) — enabled by default in this variant

Thinking behavior: This variant has thinking enabled by default. To disable thinking, pass enable_thinking=false in the generation parameters. When disabled, the model outputs only the final answer without reasoning tokens.

Architecture Details

  • 32 transformer blocks (hybrid attention + FFN + SSM)
  • 1 MTP prediction head (block_count=33)
  • 1 SigLIP vision encoder (mmproj)
  • 262,144 token context window
  • 2560-dim (4B) / 4096-dim (9B) hidden size

Usage

llama.cpp CLI

# Basic text generation (thinking enabled by default)
./llama-cli -m qwen35-9Bb-mtp-mxfp4.gguf \
  --mmproj mmproj-qwen35-9Bb-f16.gguf \
  -p "What is in this image?" \
  --image path/to/image.jpg \
  -n 512

# Thinking disabled
./llama-cli -m qwen35-9Bb-mtp-mxfp4.gguf \
  --mmproj mmproj-qwen35-9Bb-f16.gguf \
  -p "Hello, how are you?" \
  -n 256 \
  -p "enable_thinking=false"

llama-cpp-python

from llama_cpp import Llama

llm = Llama(
    model_path="qwen35-9Bb-mtp-mxfp4.gguf",
    mmproj="mmproj-qwen35-9Bb-f16.gguf",
    n_ctx=8192,
)

# Thinking enabled by default
output = llm.create_chat_completion(
    messages=[{"role": "user", "content": "Hello!"}]
)

# Disable thinking
output = llm.create_chat_completion(
    messages=[{"role": "user", "content": "Hello!"}],
    extra_body={"enable_thinking": False}
)

Download from HuggingFace Hub

from huggingface_hub import hf_hub_download

model_path = hf_hub_download(
    repo_id="FreedomAISVR/Qwen3.5-9BB-MTP-MXFP4-GGUF",
    filename="qwen35-9Bb-mtp-mxfp4.gguf"
)
mmproj_path = hf_hub_download(
    repo_id="FreedomAISVR/Qwen3.5-9BB-MTP-MXFP4-GGUF",
    filename="mmproj-qwen35-9Bb-f16.gguf"
)

Conversion Pipeline

HF weights (BF16)
  → convert_hf_to_gguf.py (F16, with MTP, no --no-mtp)
  → llama-quantize.exe MXFP4

Hardware

ComponentValue
GPURTX 5060 Ti (16 GB VRAM)
System RAM128 GB
Quantization time~2 min (4B) / ~1.7 min (9B)

License

Apache 2.0 (same as Qwen3.5-9BB).

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
0671c89

0 моделей