/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B
Библиотека
gguf
Опубликована
16 мая 2026

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

Генерация текстаТекст → текст15 профессий

Квантизированная GGUF-версия мультимодальной MoE-модели Qwen3.6 для диалогов, генерации текста и анализа изображений.

2 662скачиваний за 30 дней1лайквеса обновлены16 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 GGUF-квантизация мультимодальной модели Qwen3.6-35B-A3B, разработанной Alibaba Cloud; репозиторий FreedomAISVR распространяет её в формате MXFP4_MOE для запуска через llama.cpp. Модель имеет архитектуру MoE: 35 млрд параметров всего, около 3 млрд активируются на токен, используются 256 экспертов и гибридное внимание Gated DeltaNet с полным вниманием. Контекстное окно — 262 144 токена.

Модель предназначена для диалогов, генерации текста и анализа изображений. Для обработки изображений вместе с основными весами требуется файл проектора mmproj. В MXFP4 квантизированы веса экспертов, а маршрутизатор и общие экспертные слои сохранены в Q8_0; README указывает размер основных весов 18,4 ГБ. Указана поддержка 201 языка, среди которых английский и китайский.

Квантизация снижает требования к памяти, но может повлиять на качество относительно исходных весов; фактическая совместимость и скорость зависят от оборудования и версии llama.cpp. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • ответы на вопросы и диалог с длинным контекстом
  • генерация и объяснение текста
  • описание содержимого изображений
  • анализ изображений по текстовому запросу
  • локальный запуск мультимодальной модели через llama.cpp

Ограничения

Для анализа изображений нужен файл проектора mmproj, а запуск требует совместимой версии llama.cpp и подходящего оборудования. Квантизация может снижать качество по сравнению с исходной моделью.

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-MXFP4-MOE-GGUF

MXFP4_MOE GGUF quantization of Qwen3.6-35B-A3B, Alibaba Cloud's efficient 35B MoE multimodal foundation model (3B activated) with 262K context, 256 experts, and Gated DeltaNet hybrid attention.

About MXFP4_MOE

What is MXFP4_MOE?

MXFP4 (Microscaling FP4) is a 4-bit floating-point quantization format standardized by the Open Compute Project (OCP) in 2024, backed by AMD, NVIDIA, Microsoft, Meta, and OpenAI. It uses an E2M1 layout (1 sign, 2 exponent, 1 mantissa bit) with block-wise shared 8-bit scaling factors (block size 32), preserving dynamic range far beyond integer 4-bit formats.

In llama.cpp, MXFP4_MOE applies MXFP4 quantization specifically to MoE expert weights, while keeping router and shared expert layers in Q8_0 for precision where it matters most.

Why use MXFP4_MOE?

  1. MoE-optimized: Expert weights quantized to MXFP4, router/shared layers in Q8_0
  2. Cross-platform: Supported on AMD MI350/MI355, NVIDIA Blackwell, and OCP-compliant hardware
  3. Memory efficiency: ~4.57 BPW, 35B MoE fits in ~18 GB
  4. Open standard: OCP Microscaling Formats v1.0 specification, vendor-neutral

Files

FilenameTypeSizeDescription
qwen3.6-35b-a3b-mxfp4_moe.ggufMXFP4_MOE18.4 GBQuantized MoE text model weights
qwen3.6-35b-a3b-mxfp4-moe-mmproj-f16.ggufF16 mmproj899 MBVision encoder projector

Quantization Details

PropertyValue
FormatMXFP4_MOE (OCP MXFP4 experts + Q8_0 router/shared)
Element typeE2M1 (1 sign, 2 exponent, 1 mantissa)
Block size32
Shared scale8-bit per block
Effective BPW4.57
VRAM required (text)~18 GB
VRAM required (text + vision + 32K ctx)~20 GB

Model Description

Qwen3.6-35B-A3B features:

  • MoE architecture: 256 experts with 8 experts per token, 35B total / 3B activated
  • Hybrid attention: Alternating Gated DeltaNet (linear attention) and full attention layers
  • 262K context window: Native support for 262,144 token sequences
  • Vision capabilities: Built-in 27-layer ViT for image understanding
  • Multi-Token Prediction: Trained with MTP for speculative decoding
  • Multilingual: Strong performance across 201 languages

Usage

llama.cpp (CLI)

# Text + Image
llama-cli   -m qwen3.6-35b-a3b-mxfp4_moe.gguf   --mmproj qwen3.6-35b-a3b-mxfp4-moe-mmproj-f16.gguf   --image photo.jpg   -p "Describe this image in detail"

# Text only
llama-cli   -m qwen3.6-35b-a3b-mxfp4_moe.gguf   -p "Explain quantum computing in simple terms"   -n 512

# OpenAI-compatible server
llama-server   -m qwen3.6-35b-a3b-mxfp4_moe.gguf   --mmproj qwen3.6-35b-a3b-mxfp4-moe-mmproj-f16.gguf   --port 8080

llama-cpp-python

from llama_cpp import Llama

llm = Llama.from_pretrained(
    repo_id="FreedomAISVR/Qwen3.6-35B-A3B-MXFP4-MOE-GGUF",
    filename="qwen3.6-35b-a3b-mxfp4_moe.gguf",
    n_gpu_layers=-1,
)

response = llm.create_chat_completion([
    {"role": "user", "content": "What is the capital of France?"}
])
print(response["choices"][0]["message"]["content"])

Direct download

from huggingface_hub import hf_hub_download

for filename in ["qwen3.6-35b-a3b-mxfp4_moe.gguf", "qwen3.6-35b-a3b-mxfp4-moe-mmproj-f16.gguf"]:
    hf_hub_download(
        repo_id="FreedomAISVR/Qwen3.6-35B-A3B-MXFP4-MOE-GGUF",
        filename=filename,
        local_dir="./models"
    )

Quantization Pipeline

1. Download source weights
   huggingface_hub.snapshot_download("Qwen/Qwen3.6-35B-A3B")

2. Convert text model to F16 GGUF
   convert_hf_to_gguf.py --outtype f16

3. Extract vision encoder
   convert_hf_to_gguf.py --mmproj --outtype f16

4. Quantize to MXFP4_MOE
   llama-quantize qwen3.6-35b-a3b-f16.gguf qwen3.6-35b-a3b-mxfp4_moe.gguf MXFP4_MOE

Hardware

ComponentSpecification
GPUNVIDIA GeForce RTX 5060 Ti (Blackwell SM120)
VRAM16 GB GDDR7
System RAM64 GB DDR4

License

The original Qwen3.6-35B-A3B is released under Apache 2.0. These quantized weights inherit that license.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
0e8875d

0 моделей