/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
1,1 ГБ
Лицензия
Apache 2.0
Базовая модель
Qwen3.5-0.8B
Библиотека
litert-lm
Опубликована
7 мар 2026

Qwen3.5-0.8B-LiteRT

Изображение и текст → текст9 профессий

GabrieleConte/Qwen3.5-0.8B-LiteRT — конвертированная версия мультимодальной модели Qwen/Qwen3.5-0.8B, разработанной командой Qwen.

216скачиваний за 30 дней13лайковвеса обновлены7 мар 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

Модель предназначена для локального запуска на устройствах с использованием LiteRT и LiteRT-LM, включая задачи понимания изображений и генерации текста по текстовым и визуальным входным данным. В комплект входят языковая модель, vision encoder, vision adapter и tokenizer.

Языковая часть содержит около 752 млн параметров, vision encoder — около 675 млн, vision adapter — около 10 млн. Используется гибридная архитектура из 18 слоёв GatedDeltaNet и 6 слоёв Full Attention, а также 27-слойный Vision Transformer. Модель поддерживает мультимодальный ввод изображений, динамическую INT8-квантизацию и KV-кэш длиной 2048 токенов. Для предварительной обработки доступны фиксированные длины последовательностей 64, 128, 256 и 512 токенов, для изображений — варианты от 256 до 2304 патчей. Основной формат распространения — контейнер .litertlm.

Сильными сторонами являются возможность on-device-инференса, интегрированный мультимодальный конвейер и уменьшенный объём вычислений благодаря INT8-квантизации. Ограничения включают отсутствие поддержки видео, возможные небольшие отличия качества из-за дополнения промптов до фиксированной длины и расхождения результатов с оригинальной реализацией Qwen3.5 из-за особенностей вычислений GatedDeltaNet. Модель распространяется по лицензии Apache 2.0, унаследованной от исходной модели.

Для каких профессий подходит9

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

Qwen3.5-0.8B LiteRT (Multimodal)

This repository contains a LiteRT (formerly TFLite) conversion of Qwen/Qwen3.5-0.8B for on-device inference, packaged in the LiteRT-LM .litertlm format. Includes the full multimodal pipeline: language model, vision encoder, and vision adapter for image understanding.

Model Details

PropertyValue
Base ModelQwen/Qwen3.5-0.8B
ArchitectureHybrid attention (GatedDeltaNet + Full Attention) + ViT vision encoder
Parameters752M (language) + 675M (vision encoder) + 10M (vision adapter)
QuantizationDynamic INT8
KV Cache Length2048
Prefill Signatures64, 128, 256, 512
Vision Signatures256, 576, 1024, 2304 patches
Format.litertlm (LiteRT-LM container)

Architecture

Language Model

Qwen3.5-0.8B uses a hybrid attention architecture that combines:

  • 18 GatedDeltaNet layers (linear attention with recurrent delta rule) at positions 0-2, 4-6, 8-10, 12-14, 16-18, 20-22
  • 6 Full Attention layers (standard multi-head attention with output gating and partial RoPE) at positions 3, 7, 11, 15, 19, 23

Vision Encoder

The vision encoder is a 27-layer Vision Transformer (ViT):

  • Patch embedding: Conv3d (3→1152, kernel=[2,16,16]) with learned position embeddings (bilinear interpolation from 48×48 grid)
  • 27 VisionBlocks: LayerNorm → Self-Attention (16 heads, head_dim=72, 2D rotary pos emb) → MLP (1152→4304→1152, GELU)
  • Patch merger (vision adapter): Groups 4 adjacent patches (spatial_merge_size=2) and projects to language model dimension (4608→1024)

The model was re-authored from scratch using the LiteRT Generative API. The vision encoder and adapter are exported as separate TFLite models bundled alongside the language model.

Files

FileSizeDescription
qwen35_mm_q8_ekv2048.litertlm~1.2 GBLiteRT-LM bundle (LM + vision encoder + vision adapter + tokenizer)
qwen35_mm_q8_ekv2048.tflite~757 MBLanguage model TFLite
qwen35_vision_encoder_q8.tflite~88 MBVision encoder TFLite
qwen35_vision_adapter_q8.tflite~12 MBVision adapter TFLite
qwen35_embedder_q8.tflite~245 MBText embedder TFLite
tokenizer.json~11 MBHuggingFace tokenizer
tokenizer_config.json~2 KBTokenizer configuration

Signatures

Language Model

SignatureInput LengthOutputs
prefill_6464 tokensUpdated KV cache
prefill_128128 tokensUpdated KV cache
prefill_256256 tokensUpdated KV cache
prefill_512512 tokensUpdated KV cache
decode1 tokenLogits + Updated KV cache

Vision Encoder

SignaturePatchesApprox. Image Size
encode_256256256×256
encode_576576384×384
encode_10241024512×512
encode_23042304768×768

Vision Adapter

SignatureMerged TokensFrom Patches
adapt_6464256
adapt_144144576
adapt_2562561024
adapt_5765762304

Usage

Python (ai-edge-litert)

import numpy as np
from ai_edge_litert import interpreter as tfl_interpreter

# Load model
interp = tfl_interpreter.Interpreter(model_path="qwen35_mm_q8_ekv2048.tflite")
interp.allocate_tensors()

# Initialize KV cache (24 layers, mixed shapes)
kv_cache = {}  # See inference_tflite.py for full initialization

# Prefill
prefill_runner = interp.get_signature_runner("prefill_64")
tokens = np.array([[...]], dtype=np.int32)  # Padded to 64
input_pos = np.arange(64, dtype=np.int32)
output = prefill_runner(tokens=tokens, input_pos=input_pos, **kv_cache)

# Decode loop
decode_runner = interp.get_signature_runner("decode")
for step in range(max_tokens):
    output = decode_runner(tokens=next_token, input_pos=pos, **kv_cache)
    next_token = np.argmax(output["logits"][0, -1])

Tokenizer

from transformers import AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("g-ntovas/Qwen3.5-0.8B-LiteRT")

Conversion Details

  • Source: Qwen/Qwen3.5-0.8B (multimodal model)
  • Method: Custom re-authoring using LiteRT Generative API
  • Quantization: Dynamic INT8 (dynamic_int8)
  • Export: Per-signature tracing with fixed prefill lengths and patch counts
  • Vision: Encoder and adapter exported as separate TFLite models, bundled into .litertlm

Limitations

  • Video input is not yet supported (encoder architecture supports it, but the data processor returns UNIMPLEMENTED for video)
  • Prompts are padded to the nearest prefill signature length, which may introduce minor quality differences for the linear attention layers
  • The recurrent GatedDeltaNet implementation may produce slightly different outputs compared to the chunk-based HuggingFace implementation due to floating-point operation ordering

License

This model inherits the Apache 2.0 license from the original Qwen/Qwen3.5-0.8B model.

Citation

If you use this model, please cite the original Qwen3.5 paper:

@misc{qwen3.5,
  title={Qwen3.5 Technical Report},
  author={Qwen Team},
  year={2026},
  url={https://huggingface.co/Qwen/Qwen3.5-0.8B}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · litert-lm

Нельзя запустить

Библиотека «litert-lm» рантаймом не поддерживается.

Ревизия весов
766ec4a

0 моделей