/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
tvall43-Qwen3.6-35B-A3B-heretic
Библиотека
openvino
Опубликована
4 июл 2026

tvall43-Qwen3.6-35B-A3B-heretic-int4-ov

Изображение и текст → текст7 профессий

Конверсия чат-модели Qwen3.6 MoE в OpenVINO INT4 для генерации текста и диалогов на совместимом оборудовании Intel.

51скачиваний за 30 дней0лайковвеса обновлены26 июл 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

Wondernutts подготовил конверсию в OpenVINO INT4 дообученной модели CCSSNE/tvall43-Qwen3.6-35B-A3B-heretic на базе Qwen/Qwen3.6-35B-A3B. Это чат-модель архитектуры Qwen3.5 MoE с 256 экспертами и примерно 3 млрд активных параметров на токен; в README указана конверсия с асимметричным INT4-сжатием, размер группы 64. Модель предназначена для диалоговой генерации текста и сценариев с длинным контекстом. Хотя репозиторий размечен как image-text-to-text и включает возможности vision, ввод изображений в этой сборке не проверен.

Сборка рассчитана на запуск через OpenVINO GenAI; описанный в карточке проверенный путь — Linux x86-64 и Intel Arc Pro B70 с 32 ГБ памяти. Авторы проверили обработку контекста до 32 768 токенов и retrieval-сценарий на 31 тысяче токенов. Приведённые показатели производительности получены с пользовательским плагином Intel GPU и не характеризуют стандартный плагин OpenVINO.

Модель обозначена как uncensored, выходы не фильтруются. Для конкретной конфигурации кэша требуется видеокарта с 32 ГБ памяти; работа на Windows и других поколениях Intel Arc не подтверждена. Лицензия — Apache-2.0.

Сценарии применения

  • ведение диалога с локально развёрнутой языковой моделью
  • генерация художественного текста в заданном стиле
  • ответы с опорой на сведения из длинного контекста
  • извлечение фактов из длинного диалога или документа

Ограничения

Ввод изображений для этой сборки не проверен; максимальный проверенный контекст — 32 768 токенов. Описанная конфигурация кэша требует 32 ГБ видеопамяти, а работа на Windows и других поколениях Intel Arc не подтверждена.

Для каких профессий подходит7

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

Qwen3.6-35B-A3B Heretic OpenVINO INT4

This is the OpenVINO INT4 conversion of the tvall43 heretic Qwen3.6-35B-A3B tune. It is a 256-expert MoE with about 3B active parameters per token.

The graph can load with OpenVINO 2026.2, but the performance numbers below were measured with the custom Intel GPU plugin from Wondernuttz/openvino. Do not attribute these numbers to the stock plugin.

B70 benchmark

Measured 2026-07-25 on one cleared Intel Arc Pro B70 32 GB card:

Input tokensPrompt processingDecode
2,0483,392.8 tok/s106.2 tok/s
6,1444,108.0 tok/s106.0 tok/s
16,3843,914.6 tok/s106.0 tok/s
32,7683,128.2 tok/s102.8 tok/s on the separate short decode case
31,000 retrieval prompt3,080.6 tok/s83.9 tok/s at long context

Fresh pipeline construction took 27 to 29 seconds. The 9 GB scheduler cache configuration used about 28 GB of device memory.

The 31K coherence run generated 185 tokens and passed all four checks:

  • Recovered Ysolda's key location exactly
  • Recovered all four Vigor of the Nine ingredients
  • Recovered the exact shadow-hearth password
  • Wrote Entry 121 in the requested style and ending

Measurement configuration

  • Ubuntu 24.04.4 LTS
  • Linux 7.0.0 with the xe driver
  • Intel compute runtime 26.22.38646.6
  • OpenVINO 2026.2.0
  • OpenVINO GenAI 2026.2.0.0
  • Custom fork implementation commit 6306353b
  • Custom plugin SHA-256 on the test system: 5dc9dacfad9c300c5e27643ac8bba18ffdd4fbca82fd422933a68d000904a696
  • MOE_MICRO_GEMM_N_HINT=256
  • MOE_USE_GROUPED_GEMM_PREFILL=0
  • DYNAMIC_QUANTIZATION_GROUP_SIZE=0
  • Prefix caching enabled with a 9 GB cache
  • max_num_batched_tokens=4096
  • Single stream

Each prompt shape was measured in a fresh process after a 64-token compilation warmup. The measured prompt was new, so prefix caching did not serve it from an earlier request. Prompt processing is input tokens divided by TTFT. Decode tests forced 128 output tokens. The benchmark configuration and fork build notes are recorded in ARC-XE2-INT4.md.

Install

The exact tested path is Linux x86-64 on Arc Pro B70. Windows and other Arc generations are not validated yet.

python3.12 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install \
  openvino==2026.2.0 \
  openvino-genai==2026.2.0.0 \
  "huggingface_hub>=1.19,<2"

Build and install the custom Intel GPU plugin from the Wondernuttz Arc Xe2 branch. The complete build and portable RPATH instructions are in ARC-XE2-INT4.md.

Download the model:

hf download Wondernutts/tvall43-Qwen3.6-35B-A3B-heretic-int4-ov \
  --local-dir ./qwen36-heretic-ov

Run

Set the tested kernel-selection properties before starting Python:

export MOE_MICRO_GEMM_N_HINT=256
export MOE_USE_GROUPED_GEMM_PREFILL=0
import openvino_genai as ov_genai

model_dir = "./qwen36-heretic-ov"

scheduler = ov_genai.SchedulerConfig()
scheduler.enable_prefix_caching = True
scheduler.cache_size = 9
scheduler.max_num_batched_tokens = 4096

pipe = ov_genai.VLMPipeline(
    model_dir,
    "GPU",
    scheduler_config=scheduler,
    DYNAMIC_QUANTIZATION_GROUP_SIZE=0,
)

system = "You are Lydia, housecarl to the Dragonborn. Dry wit, fiercely loyal."
user = "We have walked this frozen pass for six hours. Say something."
prompt = (
    "<|im_start|>system\n" + system + "<|im_end|>\n"
    "<|im_start|>user\n" + user + "<|im_end|>\n"
    "<|im_start|>assistant\n<think>\n\n</think>\n\n"
)

config = ov_genai.GenerationConfig()
config.max_new_tokens = 256
config.do_sample = True
config.temperature = 0.9
config.top_p = 0.95
config.repetition_penalty = 1.2
config.apply_chat_template = False

result = pipe.generate(prompt, generation_config=config)
print(result.texts[0])

The preclosed <think>...</think> block requests a direct answer. Remove it when reasoning output is wanted and allow a larger generation budget.

To list the exact GPU IDs exposed by OpenVINO:

python - <<'PY'
import openvino as ov
core = ov.Core()
for device in core.available_devices:
    if device.startswith("GPU"):
        print(device, core.get_property(device, "DEVICE_PCI_INFO"))
PY

Use GPU.0, GPU.1, and so on when more than one Intel GPU is installed.

Limits

  • This exact 9 GB cache setup needs a 32 GB card.
  • The published measurements are single-card and single-stream.
  • Text generation is validated. Image input is not.
  • The 31K retrieval run and 32,768-token PP case are the largest tested contexts. The architecture may support more, but this release does not claim it.
  • This is an INT4 model. It does not use the Bonsai INTBIT or INTERNARY kernels.
  • The model is uncensored and outputs are unfiltered. Users are responsible for lawful use.

Conversion and attribution

The conversion uses INT4 asymmetric compression, group size 64, backup_precision="int8_sym", no AWQ, and image-text-to-text export.

Base model: Qwen/Qwen3.6-35B-A3B

Heretic tune: CCSSNE/tvall43-Qwen3.6-35B-A3B-heretic

OpenVINO conversion and Arc GPU work: Wondernutts

Как запустить

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

GPU в ailist

Универсальный рантайм · openvino

Нельзя запустить

Модель выложена для OpenVINO.

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
effb099

0 моделей