/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Ornith-1.5-35B-A3B
Опубликована
29 авг 2026

Ornith-1.5-35B-A3B-REAP-50-GGUF

Генерация текстаТекст → текст10 профессий

Ornith-1.5-35B-A3B-REAP-50-GGUF — квантизированная GGUF-версия модели Ornith-1.5-35B-A3B, подготовленная пользователем Ttimms на основе модели от ornith-ai.

1 638скачиваний за 30 дней5лайковвеса обновлены5 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

Это гибридная архитектура Gated-DeltaNet и Mixture-of-Experts (MoE): после 50%-порогового pruning методом REAP число экспертов сокращено с 256 до 128, удалена MTP-голова, а итоговый объём составляет примерно 19 млрд параметров. Модель предназначена для генерации текста и ориентирована прежде всего на англоязычные сценарии.

Модель подходит для локального запуска и задач программирования: для исходной модели до квантизации заявлены результаты HumanEval+ 84,2%, MBPP+ 89,2% и SWE-bench Verified 44,0%. Благодаря примерно 3 млрд активных параметров она может обеспечивать быструю инференс-работу на CPU и Apple Silicon. Доступны варианты Q4_K_M, Q5_K_M, Q6_K и Q8_0; рекомендуемый Q4_K_M занимает около 11,4 ГБ, тогда как Q8_0 требует более 16 ГБ памяти или выгрузки части вычислений на CPU.

Для запуска требуется свежая версия llama.cpp с поддержкой архитектуры qwen35moe; также подходят LM Studio, KoboldCpp, Jan и text-generation-webui. Поддержка Ollama на момент публикации ожидала обновления встроенного llama.cpp. В README не указаны размер контекста и мультиязычные возможности; заявлен только английский язык. Из ограничений также следует учитывать удаление vision tower и MTP-головы, зависимость от совместимого рантайма и компромисс между качеством и объёмом памяти при выборе квантизации. Модель распространяется по лицензии MIT, унаследованной от базовой модели.

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

Ornith-1.5-35B-A3B · REAP-50 — GGUF

GGUF quants of the 50%-REAP-pruned Ornith-1.5-35B-A3B (Gated-DeltaNet + MoE hybrid): 256 → 128 experts, MTP head removed, ~19B parameters. Likely the first GGUF of any 50%-REAP-pruned model.

Base model quality (NVFP4A16, before GGUF quant): HumanEval+ 84.2%, MBPP+ 89.2% — single greedy draws; see the NVFP4A16 card on run-to-run spread.

Architecture

graph TD
    Base["ornith-ai/Ornith-1.5-35B-A3B<br/>qwen3_5_moe - 256 experts - MTP head - ~65 GB bf16 - MIT"]
    subgraph Build ["Build - RTX 5070 Ti, SM120"]
        REAP["REAP expert prune 50%  256 -> 128"]
        MTP["strip MTP head (1 -> 0, reload-verified)"]
        StripV["strip vision tower (333 tensors)"]
        Quant["GPTQ-NVFP4A16 quantize (~5.5 h, 12.47 GiB)"]
    end
    subgraph HF ["Published formats"]
        A16["REAP-50-NVFP4A16 - 12.47 GiB (vLLM)"]
        GGUF["REAP-50-GGUF (Q4_K_M / Q5_K_M / Q6_K / Q8_0)"]
        BF16["REAP-50-bf16 (pruned source)"]
    end
    Bench["HumanEval+ 84.2% - MBPP+ 89.2% - SWE-bench Verified 44.0%"]
    Base --> REAP --> MTP --> StripV --> Quant --> A16
    StripV --> BF16
    BF16 -. convert .-> GGUF
    A16 --> Bench

Download

Grab one file, not the whole repo.

FileQuantSizeNotes
ornith-reap50-Q4_K_M.ggufQ4_K_M11.4 GBrecommended — fits 16 GB with room for context
ornith-reap50-Q5_K_M.ggufQ5_K_M13.3 GBhigher quality, tighter KV budget
ornith-reap50-Q6_K.ggufQ6_K15.3 GBnear-lossless; little headroom on 16 GB
ornith-reap50-Q8_0.ggufQ8_019.7 GBneeds >16 GB or CPU offload

MoE with ~3B active parameters — CPU / Apple-Silicon inference is fast for the size. For full precision, re-quantizing, or merging, use the pruned bf16 source and run convert_hf_to_gguf.py --no-mtp yourself.

Run it in

Requirements

Needs a recent llama.cpp (the qwen35moe hybrid arch). Verified with llama-server from a source build. Ollama support pending its bundled-llama.cpp bump.

llama-server -m ornith-reap50-Q4_K_M.gguf -ngl 99 --port 8080

The chat template defaults to thinking on; pass "chat_template_kwargs": {"enable_thinking": false} for grounded output.

License

MIT (inherits from Ornith-1.5-35B-A3B). Pruning: REAP (github.com/CerebrasResearch/reap, with a router-renormalization fix).

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
742dbaf

0 моделей