/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.8-Flash-Next
Библиотека
gguf
Опубликована
4 окт 2026

Winery-Qwen3.8-Flash-Next-Cuvee-GGUF

Генерация текстаТекст → текст

Слитая и квантованная MoE-модель Qwen3.8-Flash-Next для локального диалога и генерации текста на компьютерах с разным объёмом памяти.

2 046скачиваний за 30 дней5лайковвеса обновлены4 окт 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

WineryLabs Winery-Qwen3.8-Flash-Next-Cuvee-GGUF — слитая и квантованная версия Qwen3.8-Flash-Next от WineryLabs для диалоговой генерации текста. В основе лежит разреженная MoE-модель на 125 млрд параметров с 512 экспертами, из которых активны 10; в слиянии использованы также Huihui-Qwen3.8-Flash-Next-abliterated и Swift1.5-Qwen3.8-Flash-Next. Из Swift 1.5 взят короткий режим рассуждений, а из версии Huihui — изменение поведения отказов; остальные указанные веса основаны на исходной модели.

Доступны варианты GGUF POCKET, SLIM и RESERVE, рассчитанные на разные объёмы памяти: примерно 48, 60 и 86 ГБ соответственно. Варианты отличаются числом экспертов и степенью квантования; для подготовки применялась imatrix-квантизация Unsloth. Модель предназначена для запуска локально через Winery Strata или совместимую сборку llama.cpp с поддержкой qwen4exp. Карточка описывает текстовую генерацию и чат; языки, длина контекста и специализированные предметные области не заявлены. Лицензия указана как other, конкретные условия в доступных данных не раскрыты.

Сценарии применения

  • локальный чат с языковой моделью
  • генерация ответов и продолжений текста
  • запуск MoE-модели на игровом ПК
  • диалоговое использование через llama.cpp
  • сравнение вариантов модели с разным объёмом памяти

Ограничения

Варианты POCKET и SLIM используют сокращённый набор экспертов и могут уступать RESERVE, особенно на редких темах. Для запуска нужны значительные объёмы оперативной памяти или VRAM, а llama.cpp должна поддерживать qwen4exp.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🍷 Winery Qwen3.8-Flash-Next · Cuvée

One blend of Qwen3.8-Flash-Next (125B MoE, 512 experts, 10 active) in three bottles, sized so it runs on a gaming PC with Winery Strata. That's a fork of Strata with a wine-red glass UI, where Cuvée is the first model in the installer.

  • Short thinking from Swift 1.5 (UkisAI)
  • Refusals poured out by Huihui's abliteration
  • Base everywhere else: routed experts' gate/up, routers, hyper-connections, PLE n-gram table

🍷 Visit the Cuvée Space for the expert-cellar map and a bottle picker for your RAM.

The bottles

FolderForExpertsExpert typesSize
POCKET/8 GB GPU · 24-32 GB RAM256 per layerIQ2_XS gate/up · Q2_0 down, lean dense (Q4_K attn)~48 GB
SLIM/32 GB RAM256 per layerIQ3_XXS gate/up · IQ4_NL down~60 GB
RESERVE/64 GB RAMall 512IQ3_XXS gate/up · IQ4_NL down~86 GB
GRAND/96-128 GB+ RAMall 512Q4_K gate/up · Q5_1 down~113 GB

All three keep the dense weights in Q6_K/Q8_0 and the 28.8 GB PLE table in IQ4_NL (Strata reads it from the SSD). They were quantised with Unsloth's imatrix for Flash-Next.

Slim drops half the experts, the same move as ISTA-DASLab's Coder. The difference is that it keeps the 256 experts routed most often on general text (Unsloth's calibration routing counts, 72-91% of routed tokens per layer, 77% on average), not the ones code uses. Expect it to be a little weaker than Reserve, mostly on rare topics.

How it was made

Comparing the fine-tunes with the base tensor by tensor showed they touch different parts of the model:

TensorsSwift 1.5Huihui
attention q/k/v · DeltaNet qkv/z · shared-expert gate/up✓
attention/DeltaNet output · shared-expert down✓✓
routed experts' down✓
everything else

So Cuvée = base + (Swift − base) + (Huihui − base) (task arithmetic, FP32 per tensor). Every tensor was streamed straight from the three BF16 checkpoints with HTTP range requests, merged and written to a Q8_0 GGUF. The Q8_0 was then quantised once to each bottle. The vision tower and MTP head are the original model's (Strata fetches them itself).

Run it

With Winery Strata (NVIDIA RTX 20-50 or a recent AMD card; 8 GB cards such as the RTX 4060 laptop GPU use POCKET, which setup picks for them by itself):

git clone https://huggingface.co/WineryLabs/Winery-Strata && cd Winery-Strata
START-HERE.bat --setup --family winery --model POCKET      # Windows, 8 GB GPU; SLIM / RESERVE / GRAND for more
START-HERE.bat --setup --family winery --model SLIM        # Windows; RESERVE / GRAND for more RAM
./setup.sh --setup --family winery --model RESERVE          # Linux

With llama.cpp (a build with qwen4exp support), e.g. llama-server -m RESERVE/Winery-Cuvee-RESERVE-00001-of-00002.gguf -c 32768 -ngl 99 --n-cpu-moe 48.

Not measured yet: speed on real hardware, and benchmark scores against the parent models. Sanity chats on CPU are in TASTING.md.

Licence

A derivative of Qwen3.8-Flash-Next (Qwen Community License 1.0, LICENSE-QWEN) that contains UkisAI's Swift Contribution (Swift Open License v1.0, LICENSE: free, including commercial use below US$1M yearly revenue). Huihui's weights are under the Qwen licence. Attribution and our changes are in NOTICE.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
759c752

0 моделей