Характеристики

Контекст: 131 072 токена
Размер весов: 35,8 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5_moe · dense
Базовая модель: Qwen-AgentWorld-35B-A3B
Библиотека: mlx
Опубликована: 24 июн 2026

Ссылки

Qwen-AgentWorld-35B-A3B-MXFP8

Генерация текстаТекст → текст7 профессий

Текстовая MoE-модель Qwen-AgentWorld в сборке MXFP8 для генерации текста, агентных сценариев и моделирования состояний среды.

77скачиваний за 30 дней5лайковвеса обновлены25 июн 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

OsaurusAI подготовила сборку Qwen-AgentWorld-35B-A3B в формате MXFP8 для локального запуска на компьютерах Apple Silicon через Osaurus или mlx_lm. Это текстовая гибридная MoE-модель семейства Qwen3.5: около 35 млрд параметров всего, примерно 3 млрд активных, 40 слоёв, из которых 30 используют линейное внимание Gated DeltaNet, а 10 — полное внимание; из 256 экспертов активируются 8. Квантование MXFP8 с группами по 32 значения уменьшает объём весов примерно с 65 до 33 ГБ; эмбеддинги и выходная голова сохранены в более высокой точности.

Модель предназначена для генерации текста и диалоговых сценариев с агентами, включая вызов инструментов и моделирование состояний среды с предсказанием наблюдений после действий. Веса не содержат башню зрения, поэтому модель принимает только текст. Она по умолчанию показывает ход рассуждений, а переключатель /no_think в этой сборке работает ненадёжно. Лицензия — Apache-2.0.

Сценарии применения

генерация ответов в диалоге
создание локального агента с вызовом инструментов
симуляция состояний среды после действий агента
предсказание текстовых наблюдений в интерфейсных сценариях

Ограничения

Модель принимает только текст: в сборке отсутствуют веса башни зрения. Переключатель /no_think работает ненадёжно; для запуска требуется около 33 ГБ памяти под веса.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen-AgentWorld-35B-A3B · MXFP8

Official OsaurusAI MXFP8 build of Qwen/Qwen-AgentWorld-35B-A3B (Apache-2.0) — a ~35B-total / ~3B-active hybrid MoE (qwen3_5_moe). Near-lossless 8-bit microscaled FP; runs on Apple Silicon via Osaurus / mlx_lm.

~33 GB bundle (down from ~65 GB bf16).
MXFP8: microscaled FP8 (group-size 32) across the weights, high-precision embeddings/head. Use this for the highest fidelity; use JANG_4M (~17.6 GB) for the smallest footprint.
Text-only. The upstream checkpoint ships a vestigial vision_config with no vision-tower weights, so this bundle is correctly stamped modality: text (has_vision: false).

Reasoning behavior. This model shows its work ("Thinking Process: …") by default. The soft /no_think suppression switch is not reliable on this MXFP8 pack — for deterministic reasoning-off, prefer the JANG_4M pack, which honors it.

Architecture


Family	`qwen3_5_moe` (hybrid)
Layers	40 — 30 linear-attention (Gated DeltaNet / SSM) + 10 full-attention (1 every 4)
Experts	256 routed (8 active)
Active params	~3 B
Cache	hybrid (recurrent GDN state + KV for full-attn layers)

The Gated-DeltaNet layers (conv1d / A_log / dt_bias / gated in_proj_{qkv,a,b,z}) carry a recurrent state across the full-attention layers — verified coherent with long-context recall in the Osaurus (vMLX-Swift) runtime.

Usage

python -m mlx_lm generate --model OsaurusAI/Qwen-AgentWorld-35B-A3B-MXFP8 --prompt "Explain a hash map in two sentences."

Or load in Osaurus for a local agent loop (tool-calling supported via the qwen tool parser).

Provenance

Quantization: Osaurus · MXFP8 (microscaled FP8, group-size 32) · eric@osaurus.ai

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры: Qwen3_5MoeForConditionalGeneration
Ревизия весов: e421e6d