/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,9 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
Qwen3.6-35B-A3B
Опубликована
15 авг 2026

Qwen3.8-Distill-35B-A3B-Coder-Abliterated

Генерация текстаТекст → текст3 профессии

Экспериментальная квантизированная MoE-модель на базе Qwen для генерации кода и диалогов на видеокартах с 16 ГБ памяти.

20 131скачиваний за 30 дней25лайковвеса обновлены15 авг 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

Qwen3.8-Distill-35B-A3B-Coder-Abliterated — экспериментальная текстовая MoE-модель для генерации кода и диалогов, созданная Lord-H4D3ZS на основе Qwen/Qwen3.6-35B-A3B. Модель обучалась методом дистилляции рассуждений от аблитерированной Qwen3.8-27B: автор сообщает о QLoRA-дообучении на 850 ответах учителя, после чего была восстановлена MTP-голова и выпущена квантизированная версия в формате GGUF. Архитектура содержит 256 экспертов и около 3 млрд активных параметров; в метаданных указано 2,9 млрд параметров. Контекст модели — до 262 144 токенов, однако пример запуска в README задаёт 16 384 токена.

Сборка ROCmFPX использует 2-битные эксперты, более точные 6-битные веса внимания, эмбеддингов, общих экспертов и выходного слоя, а также нормы F32. Автор указывает размер файла около 12 ГБ и возможность запуска на видеокарте с 16 ГБ памяти; для запуска требуется совместимая сборка llama.cpp с ROCmFPX. Модель ориентирована на генерацию кода, но текущая версия — подтверждение концепции, а не проверенный прирост качества: во внутренней оценке на 10 заданиях она сравнялась с базовой моделью, а квантизация может дополнительно ухудшать результат. Возможности работы с изображениями нет; вызов инструментов и агентные задачи остаются слабыми сторонами. Лицензия — Apache-2.0 с условиями базовой модели.

Сценарии применения

  • генерация фрагментов кода по текстовому запросу
  • диалоговая помощь при программировании
  • запуск локальной языковой модели на видеокарте с 16 ГБ памяти

Ограничения

Во внутренней оценке на 10 заданиях модель не превзошла базовую, а 2-битная квантизация может дополнительно снизить качество. Она слаба в вызове инструментов и агентных задачах; спекулятивное декодирование через MTP зависит от поддержки используемого runtime.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-Distill-35B-A3B-Coder-Abliterated (Q2 ROCmFPX, PoC)

A 2-bit ROCmFPX GGUF of a distilled Qwen3.6-35B-A3B (MoE, 256 experts / ~3B active), sized to run on a 16GB consumer GPU. Ships with the MTP (nextn) head and build instructions for the matching runtime.

Honest status: this is a proof-of-concept. On the internal 10-task smoke eval the distilled model tied its base (6/10 vs 6/10) — no regression, no measurable gain yet — and it is now quantized to 2-bit, which trades quality for fit. Publishing it as a reproducible artifact of the pipeline (distill → graft MTP → ROCmFPX 2-bit GGUF), not as a benchmark-winning coder. The quality fix is a larger, tool-calling-heavy corpus — a separate follow-up run.

What this is

  • Base / architecture: Qwen/Qwen3.6-35B-A3B (Qwen3_5MoeForCausalLM, 256 experts, ~3B active). The "3.8" in the name refers to the teacher, not the base.
  • Teacher: abliterated Qwen3.8-27B (GGUF Q8_0) via llama.cpp — sequence-level reasoning distillation (teacher <think> chains as SFT targets).
  • Method: Unsloth 4-bit QLoRA, completion_only_loss, 1 epoch / 850 teacher completions, merged to bf16, MTP head grafted back from base, converted + quantized with ROCmFPX.
  • Quant (the interesting part): a hand-built role-aware mix — 2-bit experts (Q2_0_ROCMFPX, the ~90% bulk) + Q6 attention / embeddings / shared-experts / output (Q6_0_ROCMFPX, the coherence-critical ~10%), norms in F32. 12GB total, fits a 16GB card with ~4GB left for KV/context. This is the llama.cpp/ROCmFPX analogue of the eschamoe/OTQ role-aware idea: pure 2-bit-everywhere collapses the model; keeping attention precise while 2-bit'ing the experts preserves coherence. See the exact --tensor-type recipe in BUILD.md.
  • "Abliterated": transferred over the training corpus (teacher was abliterated) — corpus-scoped, NOT a globally abliterated model.

Run it

You need a llama-server built from the pinned ROCmFPX source — see BUILD.md.

llama-server -m *-Q2_ROCMFPX.gguf --host 127.0.0.1 --port 8080 \
  -ngl 99 -c 16384 -fa on --jinja --alias qwen38-distill-a3b
# OpenAI-compatible API at http://127.0.0.1:8080/v1

16GB card: context and concurrency share one KV pool — pick single-stream long context (-c 32768 -np 1) or many short sessions (-c 8192 -np 8).

Known limitations (measured)

  • No accuracy gain over base yet; 2-bit lowers quality further.
  • Weak on tool-calling/agentic tasks (thin PoC corpus) — the first thing the next run must fix.
  • MTP nextn tensors are present but speculative decoding depends on your runtime's support (see BUILD.md). Text-only; no vision.

Files

  • *-Q2_ROCMFPX.gguf — the model (~16GB-card fit)
  • BUILD.md — build the ROCmFPX runtime (pinned commit b2f5829)
  • build_rocmfpx.sh — exact build script used

Apache-2.0, inheriting the base model's terms.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
75914ba

0 моделей