/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next
Библиотека
mlx
Опубликована
14 сен 2026

Qwen3.8-Flash-Next-MLX-4bit

Генерация текстаТекст → текст8 профессий

Квантованная до 4 бит версия Qwen3.8-Flash-Next в формате MLX для генерации текста и диалогов на Apple Silicon.

611скачиваний за 30 дней0лайковвеса обновлены14 сен 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

Qwen3.8-Flash-Next MLX 4-bit — конвертированная и аффинно квантованная версия Qwen/Qwen3.8-Flash-Next от автора True2456. Репозиторий содержит веса для MLX в формате safetensors: эксперты MoE квантованы до 4 бит с размером группы 64, а ряд компонентов, включая attention, embeddings и MTP-драфтер, хранится в 8 бит; router и gated-residual компоненты — в 16 бит. Также доступны индексатор QSA и таблица PLE из исходного чекпойнта.

Модель предназначена для генерации текста и диалогов в MLX-рантайме на Apple Silicon, в частности как банк весов для пути обслуживания Rindi Flash-Next. Метаданные указывают поддержку интерфейса вызова инструментов. Для запуска нужна сборка MLX-рантайма с поддержкой архитектуры qwen4_exp; обычная версия mlx-lm пока не подходит. README указывает требования Apple Silicon и для описанного гибридного пути ANE — M5 и около 128 ГБ объединённой памяти.

Конверсия выполнена из официального BF16-чекпойнта Qwen/Qwen3.8-Flash-Next. Используется лицензия Qwen Community License 1.0; для коммерческих MaaS- и coding-assistant-продуктов действуют дополнительные условия.

Сценарии применения

  • диалоговый ассистент на Apple Silicon
  • генерация текста с локальным MLX-рантаймом
  • подключение инструментов в агентном диалоге

Ограничения

Не совместима со стандартным mlx-lm до добавления поддержки qwen4_exp; для работы требуется соответствующий MLX-рантайм. Описанный гибридный путь ANE требует M5 и около 128 ГБ объединённой памяти, а коммерческое использование в MaaS и coding assistant регулируется дополнительными условиями лицензии.

Для каких профессий подходит8

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 4-bit

Affine MLX quantization of Qwen/Qwen3.8-Flash-Next (qwen4_exp). This is the 4-bit bank the Rindi Flash-Next serve path uses for resident MoE experts, the lm_head, and the MTP drafter on Apple Silicon.

It is not a drop-in for stock mlx-lm until that package has qwen4_exp. It is not the ANE MIL graphs (those are M5/h17 compiled programs and will ship separately).

Files in this repo

pathrolesize
model.safetensorslanguage weights (experts 4-bit gs64; GDN/attn/embed mostly 8-bit)~71 GB
mtp/mtp-4bit.safetensorsMTP drafter~1.4 GB
model-indexer.safetensorsQSA indexer~41 MB
vision/vision tower (unused by the text ANE server)~856 MB
tokenizer + chat_template.jinjaQwen chat template (low / medium / xhigh)—
ngram/PLE n-gram embedding table (unmodified official bf16 shards 00006–00036 plus ngram-extra)~95 GB
ngram_index.jsonPLE hash constants—

The n-gram table is the official Qwen/Qwen3.8-Flash-Next PLE embeddings, not quantized. Without those files the runtime can still load with a zeros PLE fallback.

Recipe

Default 4-bit group size 64. Per-family overrides in config.json:

  • experts gate_up / down: 4-bit
  • GDN in/out proj, attention, embed, MTP: 8-bit
  • router and gated-residual (hyper): 16-bit

Converted on an M5 Max from the official BF16 checkpoint. Do not mix this file with conversions that folded Qwen4ExpRMSNorm's 1+w into the saved gains (those generate noise).

Requirements

  • Apple Silicon. The ANE hybrid path that consumes this bank is currently M5 (h17), ~128 GB unified memory.
  • A qwen4_exp MLX runtime (local mlx-lm / mlx-vlm checkout, not an old PyPI wheel).
  • Qwen Community License 1.0 (see LICENSE). Redistribution of this derivative is allowed; commercial MaaS / coding-assistant products have extra terms in that license.

Acknowledgements

Weights, architecture, and tokenizer: Qwen. Quantization and Apple Silicon packaging: this repository.

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
Qwen4ExpForConditionalGeneration
Ревизия весов
2d9b97d

0 моделей