/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Ling-3.0-tiny
Библиотека
llama.cpp
Опубликована
9 сен 2026

Ling-3.0-Tiny-APEQ-SubMini

Генерация текстаТекст → текст3 профессии

Квантизированная сборка Ling-3.0-tiny в GGUF для локальной генерации текста и диалогов через llama.cpp.

115скачиваний за 30 дней1лайквеса обновлены9 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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 компактная квантизированная сборка Ling-3.0-tiny от inclusionAI, подготовленная VladHong в формате GGUF для локального запуска через llama.cpp. Модель представляет собой гибридную MoE-архитектуру; профиль APEQ использует разную точность для разных тензоров: в частности, Q2_K для разреженного FFN MoE и Q5_K, Q6_K, Q8_0 и F32 для остальных групп. Файл занимает около 2,85 ГиБ.

Сборка предназначена для локальной генерации текста и диалогов, когда важны размер файла и скорость декодирования. В описанном сравнении на 24 тестовых примерах она совпала по итоговым показателям с использованной Mini-сборкой, однако это ограниченная локальная проверка, а не подтверждение одинакового качества во всех сценариях. Скорость зависит от оборудования и настроек запуска. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • локальный запуск диалоговой языковой модели
  • генерация текста на компактном устройстве
  • локальный инференс через llama.cpp
  • сравнительная оценка смешанных профилей квантизации

Ограничения

Сравнительная проверка охватывает только 24 тестовых примера и не гарантирует сохранение качества на других задачах. Производительность зависит от оборудования, длины контекста, пакетной обработки и параметров запуска.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ling-3.0-Tiny APEQ SubMini (GGUF)

This repository contains one custom GGUF quantization of inclusionAI/Ling-3.0-tiny, made for local llama.cpp inference where storage and decode speed matter.

It is an APEQ-style, per-tensor mixed-precision profile. It is not a standard uniform Q5_K quantization: the sparse MoE FFN uses Q2_K, most unchanged tensors use Q6_K/Q8_0/F32, and selected later attention tensors use Q5_K.

File

FileSizeSHA-256
Ling-3.0-Tiny-APEQ-SubMini-3.06GB.gguf3,057,430,432 bytes (2.85 GiB)5565bad712e9915ba917485a0030d1c4d81765008be27a5b716acb7b4c3e04c1

The file is 6,897,472 bytes (0.225%) smaller than the local Mini comparator used during this experiment.

Quick start — llama.cpp

Use a recent llama.cpp build with support for the Ling / bailingmoe3 architecture.

llama-cli \
  -m Ling-3.0-Tiny-APEQ-SubMini-3.06GB.gguf \
  -ngl 99 \
  -cnv \
  --reasoning off

To start an OpenAI-compatible local server:

llama-server \
  -m Ling-3.0-Tiny-APEQ-SubMini-3.06GB.gguf \
  -ngl 99 \
  -sm none \
  -c 4096 \
  --reasoning off

The base model's native chat template is embedded in the GGUF. The original model recommends temperature=1.0, top_p=0.95, and top_k=20; use deterministic settings only when reproducing the comparison below.

Validation

This is a local comparative result, not a claim of universal quality equivalence.

The final artifact was regenerated twice from BF16 with the same exact tensor map and had the same SHA-256 each time. On a fresh, disjoint 24-case deterministic ZxBench-derived holdout, it matched the Mini comparator exactly:

MeasureMini comparatorThis GGUF
Holdout mean score73.29273.292
Cases scoring >=8013/2413/24
Nonterminal/empty results33
V100 decode median120.658 tok/s131.810 tok/s
V100 fixed-512 prefill1,846.080 tok/s1,723.908 tok/s

Throughput was measured with llama.cpp build b10516 on a Tesla V100-SXM2-16GB, full GPU offload, no speculative decoding, and three samples of a 512-token prefill / 128-token decode workload. Hardware, context length, batching, runtime build, and sampling parameters will affect results.

The holdout used deterministic local graders adapted from ZxBench scenarios. It is a representative comparative screen, not a full hosted ZxBench run with optional AI judges or sandboxes.

Quantization profile

Tensor typeCount
F32215
Q2_K72
Q5_K62
Q6_K102
Q8_075

The profile preserves higher precision in the early sensitive attention path and lowers standard attention tensors in blocks 5–23, plus blk.4.attn_q.weight, to Q5_K. Broader reductions were screened and rejected due to measurable regressions.

License and attribution

This quantization is derived from inclusionAI/Ling-3.0-tiny and follows its MIT license. Please review the upstream model card for the original model's capabilities, limitations, and usage guidance.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
5dffc4c

0 моделей