/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
25,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Huihui-Qwen3.8-27B-abliterated
Библиотека
transformers
Опубликована
21 авг 2026

Huihui-Qwen3.8-27B-abliterated-INT4-AWQ-GPTQ

Изображение и текст → текст14 профессий

TelperionAI Huihui-Qwen3.8-27B-abliterated-INT4-AWQ-GPTQ — квантованная версия модели huihui-ai/Huihui-Qwen3.8-27B-abliterated.

18 645скачиваний за 30 дней7лайковвеса обновлены21 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 построена с использованием llm-compressor и предназначена для запуска и генерации текста с меньшими требованиями к памяти, в том числе через vLLM. Калибровка выполнена на данных, сгенерированных самой abliterated-моделью, с примерами кода, математики, STEM, диалогов и многоязычных запросов.

Основой является смешанная квантализация INT4 W4A16: большинство MLP-слоёв используют асимметричную INT4-квантализацию с размером группы 32, а отдельные компоненты сохраняются в INT8 или BF16. Attention-компоненты, GDN-слои, эмбеддинги, нормализации, выходная голова и vision tower используют более высокую точность. Размер весов на диске составляет около 25,1 ГБ. Поддерживаются AWQ-масштабирование и GPTQ-компенсация ошибок; заявлена совместимость с GPU архитектуры Turing и новее без необходимости FP8 или FP4.

По результатам внутреннего сравнения с исходной BF16-версией модель показывает 96,45% совпадения top-1 токенов и медианное расхождение генерации на 41-м токене. При этом оценка проведена только на одном корпусе и без downstream-бенчмарков, поэтому качество на прикладных задачах не установлено. Vision tower не квантован, но модель оценивалась как текстовая; эффективность speculative decoding с MTP-головой не измерялась. Модель унаследовала от базовой версии удалённые направления отказа, поэтому её поведение в части отказов отличается от стандартной модели Qwen. Лицензия — Apache-2.0.

Для каких профессий подходит14

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

Huihui-Qwen3.8-27B-abliterated-INT4-AWQ-GPTQ

Mixed-precision INT4 (W4A16) quantization of huihui-ai/Huihui-Qwen3.8-27B-abliterated, built with llm-compressor.

25.1 GB. Calibrated on text generated by this abliterated model itself, not by stock Qwen — see below, it matters.

Recipe

componentprecision
mlp.{gate,up,down}_proj, layers 0–55INT4, group-32, asymmetric (~4.6 effective bits)
mlp.{gate,up,down}_proj, layers 56–63INT8 W8A16
self_attn.{q,k,v,o}_projINT8 W8A16
linear_attn.{in_proj_qkv,in_proj_z,out_proj} (GDN)INT8 W8A16
lm_head, embed_tokens, norms, GDN state params, vision towerBF16

AWQ per-input-channel scaling (folds into the norm weights — zero size cost), then GPTQ Hessian error compensation. Runs on anything Turing or newer; no FP8/FP4 hardware needed.

Calibration: self-distilled from the abliterated model on a balanced Nemotron-v2 prompt blend (25% code, 25% math, 20% STEM, 20% chat, 10% multilingual).

Benchmarks

Measured against the abliterated BF16 model as its own reference — not stock Qwen — so the numbers reflect quantization damage only, not the effect of abliteration. 142,727 tokens plus 200 free greedy generations. vLLM 0.27.1, TP=2, 2×B300.

buildsize ↓top-1 ↑near-tie ↓moderate ↓confident ↓certain ↓divmed ↑tok/s ↑
this model (INT4 AWQ+GPTQ)25.1 GB96.45%21.76%2.92%0.88%0.12%414551
NVFP4 sibling (AWQ+AutoRound)24.7 GB92.98%34.02%9.83%1.80%0.20%2710702
earlier build (base-model calibration)24.7 GB91.79%37.58%11.21%3.54%0.21%2010685

Sizes are on-disk tensor bytes and include the ~0.85 GB BF16 MTP head.

Columns. top-1 is raw argmax agreement with the BF16 abliterated model. The bucket columns are disagreement rates split by how confident the reference was at that position (top1−top2 logprob margin): near-tie <0.5, moderate 0.5–2, confident 2–5, certain >5. Only confident and certain are real damage. divmed is the median token index at which free greedy generation first diverges.

Perplexity is excluded — on this model family it is anti-correlated with quality.

Calibration matters more than abliteration

An earlier build of this model used the stock-Qwen calibration set and a weaker recipe, and landed at 3.54% confident damage. Regenerating the calibration from the abliterated model itself brings that to 0.88%.

That also answers a question worth stating plainly: abliterated weights are not intrinsically harder to quantize. With matched recipe and self-distilled calibration this model reaches 0.88% confident damage, against 0.93% for the same recipe on stock Qwen3.8-27B. The earlier gap was the calibration and recipe, not the abliteration.

INT4 vs NVFP4 on this model

The INT4 build is substantially more faithful than the NVFP4 one (confident 0.88% vs 1.80%, paired McNemar z = 13.2; certain 0.12% vs 0.20%, z = 4.3), reproducing the same gap measured on stock Qwen3.8-27B (0.93% vs 1.85%). At ~4.6 effective bits INT4 group-32 asymmetric gives 16 uniform levels plus a per-group zero point, against FP4's 8 non-uniform levels at 4.5 bits.

NVFP4's advantage is hardware: it decodes at 10702 tok/s here versus 4551. Pick the NVFP4 sibling if you are throughput-bound on Blackwell; pick this for fidelity, or on Ampere/Ada.

Usage

from vllm import LLM
llm = LLM("TelperionAI/Huihui-Qwen3.8-27B-abliterated-INT4-AWQ-GPTQ", tensor_parallel_size=2)

Speculative decoding (MTP)

The MTP head is included, in BF16, grafted from the abliterated base (not stock Qwen):

llm = LLM("TelperionAI/Huihui-Qwen3.8-27B-abliterated-INT4-AWQ-GPTQ", tensor_parallel_size=2,
          speculative_config={"method": "mtp", "num_speculative_tokens": 2})

Qwen3_5ForConditionalGeneration does not carry mtp.* in its state dict, so llm-compressor silently drops it even though config.json declares mtp_num_hidden_layers: 1. It is excluded from quantization via re:.*mtp.*. Acceptance rate has not been measured; the head is verified to load and generate.

Limitations

  • Single evaluation corpus, and no downstream task benchmarks.
  • Abliterated base. This model has had its refusal directions removed upstream; that behaviour is inherited here and is not something quantization changes.
  • The abliterated calibration set is ~18% smaller than the stock one (the same length filter kept fewer generations), so it is not perfectly matched to the stock-model builds.
  • Vision tower untouched (BF16); evaluated as a text model.
  • MTP acceptance rate unmeasured.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
7b79baf

0 моделей