/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
89,6 ГБ
Лицензия
Своя лицензия
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next
Библиотека
mlx
Опубликована
29 авг 2026

Qwen3.8-Flash-Next-MLX-Activation-3bit

Изображение и текст → текст15 профессий

Qwen3.8-Flash-Next MLX Activation-Weighted 3-bit — это MLX-конверсия модели Qwen/Qwen3.8-Flash-Next, опубликованная авторами данного репозитория.

326скачиваний за 30 дней2лайкавеса обновлены29 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 генерации текста и работы с изображениями, включая сценарии vision-language и OCR. Указанный pipeline имеет тип image-text-to-text, однако поддерживаемые языки в README не перечислены.

Исходная модель содержит около 180 млрд параметров: 125 млрд основных параметров, 51 млрд параметров n-граммных embedding-таблиц и 4 млрд параметров MTP. Набор включает 48 банков маршрутизируемых экспертов, сжатых до 3 бит с размером группы 64; остальные подходящие матрицы используют 4-битное квантование. Нативный размер контекста составляет 262 144 токена, а размер артефакта — 83,49 ГиБ. Для запуска требуется MLX-совместимый и Qwen4Exp-aware runtime, например mere.run или mlx-vlm.

К сильным сторонам относятся снижение пикового потребления памяти примерно на 19,58% по сравнению с опубликованным Q4-вариантом и сохранение результатов на закрытом наборе из 16 текстовых, графических и OCR-тестов. При этом приведённая квалификация не доказывает общее качество модели или эквивалентность BF16-версии; оценка проводилась на ограниченных наборах, а MTP был отключён при выборе чекпойнта. Распространение осуществляется по Qwen Community License 1.0 с дополнительными требованиями атрибуции и отдельными лицензионными условиями для некоторых коммерческих сценариев.

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-Flash-Next MLX Activation-Weighted 3-bit

This is a reproducible MLX conversion of Qwen/Qwen3.8-Flash-Next at immutable revision f5d08274bafd880402bd16f5e3e6c514136ec06c.

The 48 base routed-expert banks use fresh MLX affine Q3/group-64 codes generated directly from the original BF16 checkpoint. Their scales and biases are refit against frozen image-and-text expert-input second moments. Remaining eligible core, MTP, and vision matrices stay Q4; the 160-wide n-gram table stays Q4/group-32.

  • Artifact payload: 83.49 GiB
  • Quantized Q2 modules: 0
  • Quantized Q3/group-64 modules: 144
  • Quantized Q4/group-32 modules: 128
  • Quantized Q4/group-64 modules: 783
  • Source: 180B parameters including 125B main, 51B n-gram embedding, and 4B MTP
  • Native context: 262,144 tokens

Run locally with mere.run

This profile requires the managed model update after mere.run v0.45.0. With a build that contains that update, review the license and pull the checkpoint:

mere.run model pull vision-chat-q38-flash-next-3bit \
    --accept-license-terms

The repository is public and ungated. The acceptance option records your acknowledgment of the bundled Qwen Community License 1.0.

To generate text with the bundled multi-token prediction (MTP) head, run:

mere.run text chat \
    --model vision-chat-q38-flash-next-3bit \
    --context-size 32768 \
    --max-tokens 256 \
    --temperature 0 \
    --no-thinking \
    --stream \
    --stats \
    --prompt "Explain sparse attention in three short sentences."

For an external SSD, add --cache-dir /Volumes/Models/huggingface-cache to the pull command and replace the sample path with your mounted volume. Keep the volume mounted when you use the model.

Native qualification

The fresh Q3 checkpoint passed a no-regression comparison against the pinned published Q4 checkpoint in mere.run on a 128 GiB Apple Silicon Mac. MTP was disabled during checkpoint selection.

  • The candidate passed 58 of 61 cases by exact expected output.
  • The three absolute misses matched the published Q4 output exactly.
  • The sealed holdout produced identical candidate and Q4 outputs in all 16 cases, including exact output on all eight image and OCR cases.
  • The holdout peak memory footprint was 62,065,713,472 bytes for this profile and 77,180,432,496 bytes for Q4, a 19.58% reduction. Neither run increased swap usage.

The bounded suites don't establish general model quality or BF16 parity. For the test identities, hashes, memory measurements, and limits, see MERERUN_QUALIFICATION.json.

Runtime status

The tensor inventory, source hashes, MLX packing, fused-expert split, convolution layout, and zero-centered RMSNorm conversion are validated by the bundled MERERUN_CONVERSION.json. Use a Qwen4Exp-aware runtime such as mere.run or mlx-vlm.

License

This redistribution retains the upstream Qwen Community License 1.0 in LICENSE. Review it before use. In particular, it contains attribution/display requirements for very large commercial products and separate-license conditions for certain commercial Model-as-a-Service and AI Work Assistant uses. The model is not gated; downloading or using it does not remove those terms.

The upstream model card is preserved as README.upstream.md.

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, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen4ExpForConditionalGeneration
Ревизия весов
c699bd6

0 моделей