/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-9B-Distill
Опубликована
20 авг 2026

Qwen3.8-9B-Distill-FP8

Изображение и текст → текст10 профессий

Sohailhosseini/Qwen3.8-9B-Distill-FP8 — это FP8-квантизированная версия модели empero-ai/Qwen3.8-9B-Distill, подготовленная пользователем Sohailhosseini.

495скачиваний за 30 дней0лайковвеса обновлены22 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 задач image-text-to-text, то есть обработки текстовых и визуальных входных данных с генерацией текста. Исходная модель содержит около 9,7 млрд параметров.

Веса Linear-слоёв сжаты до 8-битного формата FP8 без калибровочных данных; визуальные компоненты, включая lm_head, vision tower, vision model и multi-modal projector, оставлены без квантизации. Модель хранится в формате compressed-tensors, занимает около 11,9 ГБ и примерно в 1,62 раза меньше исходной версии. В README приведён пример запуска через vLLM с длиной контекста 32768 токенов.

Ключевое преимущество — заявленное почти полное сохранение качества при меньшем размере и сниженных требованиях к хранению. Ограничение — для быстрой работы рекомендуется GPU с compute capability не ниже 8.9, например архитектуры Ada или Hopper. Языки модели и точные архитектурные характеристики в README не указаны. Лицензия Apache-2.0 унаследована от исходной модели; квантизация не изменяет разрешённые условия использования весов.

Для каких профессий подходит10

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

Qwen3.8-9B-Distill - FP8

empero-ai/Qwen3.8-9B-Distill quantized to FP8 (8-bit weights).

What this is

Near-lossless, no calibration data, and it halves every Linear weight. The safe default when you care about quality and have Ada/Hopper or newer.

Caveat. Needs compute capability >= 8.9 (Ada/Hopper+) to run fast.

Details

Sourceempero-ai/Qwen3.8-9B-Distill
SchemeFP8 (8-bit)
Formatcompressed-tensors
Parameters9.7B
Size on disk11.9 GB
Compression1.62x smaller than the 19.3 GB source
Left unquantizedlm_head, re:.*visual.*, re:.*vision_tower.*, re:.*vision_model.*, re:.*vision.*, re:.*multi_modal_projector.*, re:.*merger.*
Quantized onA40
Quantized bySohailhosseini

Usage

vllm serve Sohailhosseini/Qwen3.8-9B-Distill-FP8 \
  --max-model-len 32768
from vllm import LLM, SamplingParams

if __name__ == "__main__":
    llm = LLM("Sohailhosseini/Qwen3.8-9B-Distill-FP8", max_model_len=32768)
    out = llm.chat(
        [{"role": "user", "content": "What is quantization? Answer in one sentence."}],
        SamplingParams(temperature=0.6, max_tokens=512),
    )
    print(out[0].outputs[0].text)

Provenance

Produced with HF-quantized. recipe.yaml in this repo is the exact modifier stack that was applied, and the scheme, ignored layers and hardware are in the table above.

Licence is inherited from the source model. Quantization does not change what you are permitted to do with the weights.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
b524a8e

0 моделей