/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B-NVFP4-Fast
Библиотека
gguf
Опубликована
13 июл 2026

Qwen3.6-35B-A3B-MXFP4-MOE-Fast-GGUF

Изображение и текст → текст15 профессий

Квантизированная GGUF-версия мультимодальной Qwen3.6-35B-A3B для чата, понимания изображений и видео, вызова инструментов и программирования.

373скачиваний за 30 дней8лайковвеса обновлены13 июл 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

FreedomAISVR опубликовал GGUF-квантизацию MXFP4 MoE мультимодальной модели Qwen3.6-35B-A3B-Fast. В ней 35 млрд параметров, из которых на каждом токене активны около 3 млрд; архитектура сочетает 40-слойный декодер с Gated DeltaNet и полным attention, а для изображений и видео использует 27-слойный энкодер на основе SigLIP. Модель поддерживает чат, анализ изображений и видео, вызов инструментов и сценарии агентного программирования. Заявленное родное окно контекста — 262 тыс. токенов, с расширением свыше 1 млн через YaRN.

Эксперты хранятся в 4-битном формате MXFP4, а attention, эмбеддинги и нормализации — в Q8_0; файл визуального энкодера доступен в F16. Репозиторий рассчитан на запуск через llama.cpp: README указывает минимум 24 ГБ видеопамяти для частичной выгрузки и рекомендует 32 ГБ и более для полной выгрузки на GPU. Карточка указывает Apache-2.0. Описание скорости и результатов бенчмарков приведено автором карточки; оно не гарантирует такую же производительность на любом оборудовании.

Сценарии применения

  • вопросы и ответы по изображениям
  • анализ видеоматериалов
  • чат с вызовом инструментов
  • агентное решение задач программирования
  • обработка длинных текстов с контекстом до 262 тысяч токенов

Ограничения

Для полной выгрузки на GPU рекомендуется не менее 32 ГБ видеопамяти; при 24 ГБ возможна только частичная выгрузка. Заявленные скорость и результаты бенчмарков зависят от оборудования и условий запуска.

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

Qwen3.6-35B-A3B-Fast-MXFP4-MOE-GGUF

GGUF MXFP4 MoE quantization of unsloth/Qwen3.6-35B-A3B-NVFP4-Fast, a 35B parameter MoE model with 3B active parameters.

What is the "Fast" Variant?

Unsloth's NVFP4 Fast variant is a speed-optimized quantization that delivers 1.79x faster throughput than other NVFP4 quants. This GGUF extends that optimization to MXFP4 MoE format:

VariantMMLU-ProGPQAAIME 2025
Unsloth NVFP4 Fast85.5887.7591.67
Unsloth NVFP485.8586.7492.29
NVIDIA NVFP485.6087.1291.88
BF1685.7586.3692.50

MXFP4 MoE Format

This quantization uses a hybrid approach for optimal quality:

  • Expert weights: MXFP4 (E2M1 microscaling, 4-bit)
  • Non-expert weights (attention, embeddings, norms): Q8_0 (8-bit)

MXFP4 is an open standard supported by AMD, NVIDIA, and Microsoft, making it compatible with a wider range of hardware.

About the Model

Qwen3.6-35B-A3B is a multimodal MoE model from Alibaba's Qwen team:

  • 35B total parameters, 3B active per token (256 experts, 8 active)
  • 40-layer decoder with Gated DeltaNet + full attention hybrid
  • 27-layer vision encoder (SigLIP-based) for image/video understanding
  • 262K native context (extensible to 1M+ via YaRN)
  • Multi-Token Prediction (MTP) for faster speculative decoding
  • Agentic coding with SWE-bench Verified 73.4, tool calling support

Files

FileSizeDescription
qwen36-35b-a3b-fast-mxfp4_moe.gguf~18.9 GBMXFP4 MoE quantized text model
mmproj-qwen36-35b-a3b-f16.gguf~0.84 GBVision encoder (F16)

Usage

llama.cpp

llama-server \
  -m qwen36-35b-a3b-fast-mxfp4_moe.gguf \
  --mmproj mmproj-qwen36-35b-a3b-f16.gguf \
  -ngl 99 \
  --host 0.0.0.0 \
  --port 8080

Hardware Requirements

  • Minimum: 24 GB VRAM for partial offload
  • Recommended: 32+ GB VRAM for full GPU offload

Quantization

Quantized from Qwen/Qwen3.6-35B-A3B BF16 weights using llama.cpp (llama-quantize.exe --allow-requantize MXFP4_MOE).

License

Apache 2.0 - same as the base model.

Credits

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
26c331e

0 моделей