/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Agents-A1
Библиотека
llama.cpp
Опубликована
30 июн 2026

Agents-A1-GGUF

Генерация текстаТекст → текст15 профессий

LordNeel/Agents-A1-GGUF — набор высококачественных квантованных GGUF-версий модели InternScience/Agents-A1, агентской модели на архитектуре Qwen3.5-MoE с примерно 35 млрд параметров.

698скачиваний за 30 дней17лайковвеса обновлены18 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

Модель предназначена для генерации текста, выполнения инструкций, программирования и чат-сценариев в среде llama.cpp. Для обработки изображений доступны совместимые квантизации с отдельным BF16-модулем mmproj на базе Qwen3VL, поэтому модель поддерживает мультимодальные сценарии с визуальным вводом.

В набор входят варианты Q3_K_M, IQ4_XS, Q4_K_M, Q5_K_M, Q6_K, Q8_0 и NVFP4 размером примерно от 16,76 до 36,90 ГБ, а также варианты с интегрированным блоком MTP для speculative decoding. IQ4_XS ориентирован на компактность и совместимость, Q6_K обеспечивает наиболее близкое к BF16 качество среди протестированных вариантов, а NVFP4 предназначен для ускоренной работы на видеокартах NVIDIA Blackwell при наличии поддержки соответствующего типа данных. В опубликованных тестах на RTX PRO 6000 Blackwell скорость генерации составляла примерно 222,7–269 токенов в секунду в зависимости от квантизации; результаты приведены для конкретной конфигурации и не гарантируют аналогичную производительность на другом оборудовании.

Для запуска требуется llama.cpp с поддержкой архитектуры qwen35moe; некоторые варианты требуют поддержки GGML_TYPE_NVFP4, а мультимодальные версии — соответствующего mmproj. MTP-варианты могут ускорять генерацию, но их эффективность зависит от настроек speculative decoding и оборудования. README не содержит сведений о языках обучения и максимальном размере контекста, поэтому эти характеристики нельзя достоверно указать. Модель распространяется 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

Agents-A1 GGUF Quants

High quality GGUF quantizations of InternScience/Agents-A1, a 35B Qwen3.5-MoE agent model.

These files were produced from the BF16 Hugging Face checkpoint with a patched llama.cpp build that supports the qwen35moe architecture. The calibration pass used an importance matrix built from coding/instruction chat data, then each quant was benchmarked against the BF16 GGUF reference.

Recommended Files

Use caseFileNotes
Best small general-purpose quantagents-a1-IQ4_XS.ggufStrong quality for size, broad llama.cpp compatibility.
Best single-user MTP throughputagents-a1-IQ4_XS-MTP-graft-headQ6.ggufIQ4_XS body with Q6_K MTP block; measured 1.22x over target-only in c1/128 chat serving.
Highest MTP acceptance in this runagents-a1-Q4_K_M-MTP-graft-headQ6.gguf with SPEC_DRAFT_N_MAX=191.46% draft acceptance while still 1.15x over target-only.
Safer MTP quality step upagents-a1-Q5_K_M-MTP-graft-headQ6.ggufQ5_K_M body with the same integrated Q6_K/F32 MTP block; structurally validated, not re-profiled yet.
Vision / image input for Q4+ quantsmmproj-agents-a1-bf16.ggufShared BF16 Qwen3VL mmproj for IQ4_XS, Q4_K_M, Q5_K_M, Q6_K, Q8_0, NVFP4, and the MTP variants.
Fast Blackwell FP4 pathagents-a1-NVFP4.ggufTested on RTX PRO 6000 Blackwell. Requires runtime support for GGML_TYPE_NVFP4.
Safer quality step upagents-a1-Q5_K_M.ggufLower KLD than IQ4_XS with larger size.
Closest to BF16 by KLDagents-a1-Q6_K.ggufBest KLD in this eval set.
High precision archival quantagents-a1-Q8_0.ggufLargest quantized file.

Files

QuantFile sizeNotes
Q3_K_M16.76 GBSmallest included quant.
IQ4_XS18.73 GBRecommended compact quant.
IQ4_XS-MTP-graft-headQ619.42 GBIQ4_XS body plus integrated Q6_K/F32 MTP block.
NVFP419.72 GBBlackwell-oriented FP4 GGUF, output head kept at Q6_K by quality rule.
Q4_K_M21.17 GBStandard K-quant.
Q4_K_M-MTP-graft-headQ621.86 GBQ4_K_M body plus integrated Q6_K/F32 MTP block.
Q5_K_M24.73 GBStrong quality/size tradeoff.
Q5_K_M-MTP-graft-headQ625.42 GBQ5_K_M body plus integrated Q6_K/F32 MTP block.
Q6_K28.51 GBLowest mean KLD in this run.
Q8_036.90 GBHighest precision quant.
mmproj BF160.90 GBShared Qwen3VL vision encoder/projector for Q4-class and higher text GGUFs.

Metrics

Hardware and runtime profile:

  • GPU: single NVIDIA RTX PRO 6000 Blackwell Max-Q Workstation Edition, full offload
  • llama.cpp flags: -ngl 99 -sm none -fa on -p 512 -n 128 -b 4096 -ub 512 -r 3
  • PPL: llama-perplexity, context 2048, 64 rendered eval conversations, 3 chunks
  • KLD: approximate KL(P_BF16 || P_quant) over top-64 next-token distributions on 32 prompts

The PPL eval is intentionally small, so treat PPL deltas as directional. KLD and top-1 agreement are more useful here for quant-to-BF16 comparison.

ModelSize GBPrompt tok/sGen tok/sPPLPPL deltaKLD meanKLD p95Top-1 match
BF16 reference69.383418.9161.81.30310.00000.00000.000032/32
Q3_K_M16.766779.5269.01.3101+0.00700.06550.215528/32
IQ4_XS18.737719.5258.11.3038+0.00070.01510.065429/32
NVFP419.729064.0265.11.3063+0.00320.04200.147331/32
Q4_K_M21.177230.8262.61.3016-0.00150.12250.334927/32
Q5_K_M24.737021.4257.91.3041+0.00100.00910.033530/32
Q6_K28.516294.0244.61.3040+0.00090.00490.017832/32
Q8_036.907431.3222.71.3036+0.00050.00530.006330/32

Charts

Size vs generation speed

Mean KLD

PPL delta

Quality vs size

Raw metric files are in metrics/; KLD reports, checksums, and the MTP audit are in reports/.

MTP Variants

The upstream Agents-A1 checkpoint used for the first GGUF release advertises MTP in config but does not ship mtp.*/blk.40.* tensors. The MTP variants here graft in the Agents-A1 MTPLX MTP sidecar from wang-yang/Agents-A1-MTPLX-Q4. The dense MTP block is preserved at Q6_K/F32 while the model body remains quantized to IQ4_XS, Q4_K_M, or Q5_K_M.

The Q5_K_M MTP artifact reuses the validated Q5_K_M body tensors and the same Q6_K/F32 blk.40.* MTP block, with GGUF metadata updated to qwen35moe.block_count=41 and qwen35moe.nextn_predict_layers=1.

Structural checks for the integrated MTP GGUFs:

CheckValue
GGUF tensors753
qwen35moe.block_count41
qwen35moe.nextn_predict_layers1
blk.40.* MTP tensors20
blk.40.nextn.* tensors4

Single-user serving profile: one RTX PRO 6000 Blackwell Max-Q 96 GB GPU, PARALLEL=1, CTX_SIZE=8192, streaming chat completions, 12 requests, 128 max tokens, temperature=0, top_p=1.

QuantModeAggregate tok/sSpeedup vs target-onlyDraft acceptanceMean accepted lengthAcceptance by position
IQ4_XS-MTPtarget-only224.591.00xn/an/an/a
IQ4_XS-MTPdraft-mtp, n_max=2275.031.22x76.51%2.52(0.830, 0.692)
IQ4_XS-MTPdraft-mtp, n_max=1259.581.16x86.47%1.86(0.865)
Q4_K_M-MTPtarget-only230.481.00xn/an/an/a
Q4_K_M-MTPdraft-mtp, n_max=2273.801.19x77.18%2.53(0.847, 0.687)
Q4_K_M-MTPdraft-mtp, n_max=1264.881.15x91.46%1.91(0.915)

agents-a1-Q5_K_M-MTP-graft-headQ6.gguf is structurally validated but has not been re-profiled for throughput or draft acceptance yet.

Recommended low-latency/single-user throughput profile: SPEC_DRAFT_N_MAX=2. Recommended high-acceptance fallback: SPEC_DRAFT_N_MAX=1.

Detailed MTP evidence is in:

  • reports/agents-a1-mtp-q4-profile-summary.md
  • reports/agents-a1-mtp-q4-profile-summary.json
  • reports/agents-a1-q5-mtp-build-report.json
  • configs/mtp_profiles.yaml

Usage

Example with the recommended compact quant:

llama-server \
  -m agents-a1-IQ4_XS.gguf \
  -ngl 99 \
  -c 8192 \
  -b 4096 \
  -ub 512 \
  --flash-attn on

NVFP4 example:

llama-server \
  -m agents-a1-NVFP4.gguf \
  -ngl 99 \
  -c 8192 \
  -b 4096 \
  -ub 512 \
  --flash-attn on

The NVFP4 artifact is a standard GGUF using the NVFP4 tensor type, but runtime support is still newer and less universal than K-quants or IQ4_XS. It was tested on a Blackwell GPU with a llama.cpp build reporting BLACKWELL_NATIVE_FP4 = 1.

MTP example:

LLAMA_SPEC_MAX_DRAFTING_SLOTS=1 \
LLAMA_MTP_FAST_BACKEND_SAMPLE=1 \
LLAMA_MTP_DRAFT_TOP_K=1 \
LLAMA_MTP_DRAFT_TOP_P=1 \
LLAMA_MTP_DRAFT_TEMP=1 \
llama-server \
  -m agents-a1-IQ4_XS-MTP-graft-headQ6.gguf \
  -ngl 99 \
  -c 8192 \
  -b 4096 \
  -ub 512 \
  --flash-attn on \
  --reasoning off \
  --spec-type draft-mtp \
  --spec-draft-n-max 2 \
  --spec-draft-n-min 0 \
  --spec-draft-backend-sampling

For the high-acceptance profile, change --spec-draft-n-max 2 to --spec-draft-n-max 1. The same command shape applies to agents-a1-Q4_K_M-MTP-graft-headQ6.gguf and agents-a1-Q5_K_M-MTP-graft-headQ6.gguf.

Vision / mmproj

The release includes one shared multimodal projector:

  • mmproj-agents-a1-bf16.gguf
  • processor_config.json
  • preprocessor_config.json
  • video_preprocessor_config.json

The mmproj was converted from the original InternScience/Agents-A1 Hugging Face checkpoint with llama.cpp convert_hf_to_gguf.py --mmproj --outtype bf16. It contains the Qwen3VL vision tower/projector and is independent of the text quantization level, so the same file is intended for Q4-class and higher text GGUFs:

  • agents-a1-IQ4_XS.gguf
  • agents-a1-IQ4_XS-MTP-graft-headQ6.gguf
  • agents-a1-NVFP4.gguf
  • agents-a1-Q4_K_M.gguf
  • agents-a1-Q4_K_M-MTP-graft-headQ6.gguf
  • agents-a1-Q5_K_M.gguf
  • agents-a1-Q5_K_M-MTP-graft-headQ6.gguf
  • agents-a1-Q6_K.gguf
  • agents-a1-Q8_0.gguf

Q3_K_M may load with the same mmproj, but it is not the recommended vision profile because image tasks are more sensitive to text-model quantization.

Example with llama.cpp's multimodal CLI:

llama-mtmd-cli \
  -m agents-a1-Q4_K_M.gguf \
  --mmproj mmproj-agents-a1-bf16.gguf \
  --image image.jpg \
  -p "Describe the image." \
  -ngl 99 \
  -c 4096 \
  -b 1024 \
  -ub 256 \
  --chat-template chatml \
  --image-min-tokens 1024 \
  --flash-attn on

If your llama.cpp llama-server build has multimodal support enabled, the same mmproj can be passed with --mmproj mmproj-agents-a1-bf16.gguf.

Local smoke test:

Text GGUFImagePromptExpectedAnswerVerified
agents-a1-Q4_K_M.ggufllama.cpp tools/mtmd/test-1.jpegLook at the newspaper image. What is the main headline? Answer only with the headline text.MEN WALK ON MOONMEN WALK ON MOONtrue

Verification report: reports/mmproj-q4km-actual-image-verify.json.

MTP Status

The original upstream snapshot remains config-only for MTP; see reports/mtp-weights-audit.json. The new *-MTP-graft-headQ6.gguf files are true integrated MTP GGUFs built from the Agents-A1 MTPLX MTP sidecar.

Provenance

  • Base model: InternScience/Agents-A1
  • License: Apache-2.0, inherited from the base model
  • Quantization source: BF16 GGUF converted from the Hugging Face checkpoint
  • MTP source: wang-yang/Agents-A1-MTPLX-Q4 sidecar grafted onto the base Agents-A1 checkpoint
  • Calibration: coding/instruction chat data rendered with the model chat template
  • Quantizer: patched llama.cpp with Qwen3.5-MoE and NVFP4 support

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
f42422d

0 моделей