/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B
Библиотека
gguf
Опубликована
14 авг 2026

Qwen3.8-27B-Imatrix-GGUF

Изображение и текст → текст15 профессий

Krasnopjorovs/Qwen3.8-27B-Imatrix-GGUF — набор квантизированных GGUF-сборок базовой модели Qwen/Qwen3.8-27B, подготовленный Krasnopjorovs с использованием llama.cpp и importance-matrix калибровки.

733скачиваний за 30 дней1лайквеса обновлены15 авг 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 и задач генерации текста, рассуждений, программирования и математики; заявлена также поддержка мультимодального режима image-text-to-text при подключении совместимого mmproj-файла. README не уточняет архитектуру базовой модели, точное число параметров сверх обозначения 27B, список поддерживаемых языков и размер контекста.

Доступны варианты квантизации от Q8_0, близкого к исходному качеству, до IQ4_XS и IQ4_NL для экономии памяти, с размерами примерно от 14,27 до 27,05 ГБ. Рекомендуемым вариантом общего назначения назван Q4_K_M размером 15,63 ГБ; сборки с суффиксом L используют Q8_0 для выходных и/или embedding-тензоров, что может повысить стабильность вывода при низкой разрядности. Во все кванты включена MTP-голова для speculative decoding, а для запуска через llama.cpp рекомендуется использовать draft-бюджет 3.

Сильные стороны модели — выбор квантизаций под разные ограничения по памяти, поддержка мультимодального режима, калибровка на смешанном корпусе с многоязычными данными, кодом и математикой, а также возможность ускорения генерации через MTP. Ограничения связаны с потерями качества, зависящими от степени квантизации, требованиями к значительному объёму RAM или VRAM и необходимостью совместимого llama.cpp и mmproj-файла для мультимодального использования. Распространение указано по лицензии Apache-2.0.

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

Qwen3.8-27B — imatrix GGUF quantizations

GGUF imatrix builds of Qwen/Qwen3.8-27B.

Quantized with llama.cpp version: 10358 (030ebb558) using importance-matrix calibration on a public multilingual + code + math corpus.

Prompt format

<|im_start|>system
{system}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
<think>

Multimodal. mmproj-Qwen3.8-27B-f16.gguf and -bf16.gguf are in this repo and pair with any quant above — pass one with --mmproj. Use the f16 build on pre-Ampere hardware.

MTP speculative decoding — measured. The MTP head is included in every quant. Run it with --spec-type draft-mtp. The draft budget matters more than anything else here; measured on a single 72 GB card, Q4_K_M, 400-token completions at temp 0:

Configacceptancemean draft lentok/s
--spec-draft-n-max 30.522.5683.7
--spec-draft-n-max 60.222.3349.7

Going past 3 is a large net loss: the head generates twice the draft tokens for the same number of accepted ones, so keep --spec-draft-n-max 3.

The MTP head sits at Q4_0 in the imatrix quants (Q8_0 quant excepted) since calibration never exercises it. A Q8_0 head was built and measured for comparison: acceptance rose to 0.55 and throughput to 84.8 tok/s — about 1% for 60 MB, inside run-to-run noise. Q4_0 is the right default.

That comparison build ships here as Qwen3.8-27B-Q4_K_M_MTP8.gguf (15.83 GB) if you want to verify the numbers yourself — identical to Q4_K_M except the MTP head is Q8_0.

Sampling (per Qwen): thinking mode temp 1.0, top_p 0.95, top_k 20, presence_penalty 0; non-thinking temp 0.7, top_p 0.80, top_k 20, presence_penalty 1.5. Thinking is on by default.

reasoning_effort accepts xhigh (default), medium, low. Note Qwen's own caveat: on multi-turn agentic work a lower effort is not reliably faster end to end — shallower analysis means more retries.

Available quants

FilenameQuantSize (GiB)Description
Qwen3.8-27B-Q8_0.ggufQ8_027.05 GBPractically lossless. Closest to source with significant size cut.
Qwen3.8-27B-Q6_K_L.ggufQ6_K21.36 GBQ6_K with Q8_0 embed/output tensors. Near-lossless top tier.
Qwen3.8-27B-Q6_K.ggufQ6_K20.79 GBNear-lossless quality. Recommended for highest practical fidelity.
Qwen3.8-27B-Q5_K_L.ggufQ5_K_M18.86 GBQ5_K_M with Q8_0 embed/output. High quality with small overhead.
Qwen3.8-27B-Q5_K_M.ggufQ5_K_M18.13 GBHigh quality, balanced size. Recommended general-purpose.
Qwen3.8-27B-Q5_K_S.ggufQ5_K_S17.62 GBSlightly smaller than Q5_K_M with similar quality.
Qwen3.8-27B-Q4_K_L.ggufQ4_K_M16.51 GBQ4_K_M with Q8_0 embed/output. Sweet spot of quality and size.
Qwen3.8-27B-Q4_K_M.ggufQ4_K_M15.63 GBBest size/quality tradeoff. Recommended default.
Qwen3.8-27B-Q4_K_M_MTP8.ggufQ4_K_M15.83 GBQ4_K_M with the MTP head at Q8_0 instead of Q4_0 — trades ~0.6 GB for a more accurate speculative draft.
Qwen3.8-27B-Q4_K_S.ggufQ4_K_S14.74 GBCompact with minor quality loss versus Q4_K_M.
Qwen3.8-27B-IQ4_NL.ggufIQ4_NL14.94 GBSlightly larger than IQ4_XS. Online repacking for ARM CPU inference.
Qwen3.8-27B-IQ4_XS.ggufIQ4_XS14.27 GBMost efficient sub-Q4. Smaller than Q4_K_S with comparable quality.

Calibration

Imatrix generated from reapmix (community calibration mix) — ~400K tokens — multilingual + code + math. This is the same class of public calibration data used by other community GGUF publishers; no claim of unique calibration is made for this release.

*_L and *_XL variants override the output tensor and/or token embedding to Q8_0 (versus the base type), at small extra disk for typically improved output stability at low bit-rates.

Download

Single file:

hf download Krasnopjorovs/Qwen3.8-27B-Imatrix-GGUF --include "Qwen3.8-27B-Q4_K_M.gguf" --local-dir .

Whole repo:

hf download Krasnopjorovs/Qwen3.8-27B-Imatrix-GGUF --local-dir ./Qwen3.8-27B-gguf

Run

./llama-server -m Qwen3.8-27B-Q4_K_M.gguf -c 32768 -ngl 99 --host 0.0.0.0 --port 8080

Picking a quant

  • Q8_0 / Q6_K_L — RAM headroom, want ceiling quality
  • Q5_K_M / Q4_K_L — workstation default, very small quality loss
  • Q4_K_M — best general size/quality tradeoff, the default choice
  • Q4_K_S / IQ4_NL — tighter budgets; IQ4_NL repacks for ARM CPUs
  • IQ4_XS — smallest here, fits a 16 GB card with context to spare

Build info

  • llama.cpp release: version: 10358 (030ebb558)
  • Generated: 2026-08-14T22:28:22

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
cb09b93

0 моделей