/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B
Опубликована
16 апр 2026

Qwen3.6-35B-A3B-TQ3_4S

Изображение и текст → текст11 профессий

Квантованная мультимодальная модель Qwen для диалогов, агентных задач и анализа изображений.

665скачиваний за 30 дней82лайкавеса обновлены18 апр 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

YTan2000/Qwen3.6-35B-A3B-TQ3_4S — квантованная GGUF-версия мультимодальной модели Qwen3.6-35B-A3B, опубликованная YTan2000. Она предназначена для диалогов, ответов на вопросы, агентных сценариев и анализа изображений. Модель основана на архитектуре Mixture of Experts: в README описана смешанная квантовка TQ3_4S с 2-битными экспертами и 4-битным вниманием; основной файл занимает 12,4 GiB, а мультимодальный проектор поставляется отдельно в BF16. Для запуска указан TurboQuant runtime fork; рекомендуемые настройки рассчитаны на GPU с 16 ГБ видеопамяти.

Карточка сообщает о проверке базовых вызовов инструментов и ответов на простые вопросы, но эти результаты не дают широкой оценки качества. Репозиторий распространяется по лицензии Apache-2.0. Метаданные указывают английский язык карточки; другие поддерживаемые языки и длина контекста не подтверждены.

Сценарии применения

  • ответы на вопросы по тексту и изображениям
  • диалоговый ассистент с поддержкой вызова инструментов
  • агентные сценарии с выбором инструмента
  • анализ изображений в локальном запуске

Ограничения

Качество подтверждено только небольшим набором простых вопросов, поэтому оно не характеризует производительность на сложных задачах. Для запуска требуется указанный в карточке TurboQuant runtime fork.

Для каких профессий подходит11

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

thumbnail

Qwen3.6-35B-A3B-TQ3_4S

GGUF quantization of Qwen/Qwen3.6-35B-A3B using TQ3_4S with mixed-precision MoE compression — 2-bit experts, 4-bit attention.

Files

FileDescription
Qwen3.6-35B-A3B-TQ3_4S.ggufMain model (12.4 GiB, 3.07 BPW)
mmproj-BF16.ggufMultimodal projector (BF16)

Quantization

MoE experts tolerate aggressive compression because only 8/256 are active per token. This quantization exploits that asymmetry:

ComponentQuantRationale
Expert MLP gate/upQ2_K98% of params, MoE-tolerant
Expert MLP downQ3_KWrite-back sensitivity
Attention Q/K/V/OTQ3_4SWHT-protected
Embeddings + outputQ6_KQuality anchor

Runtime Requirement

This model requires the public TurboQuant runtime fork:

Recommended Settings (16GB VRAM)

./build/bin/llama-server \
  -m Qwen3.6-35B-A3B-TQ3_4S.gguf \
  -ngl 99 -c 4096 -np 1 \
  -ctk q4_0 -ctv tq3_0 -fa on \
  --jinja \
  --reasoning off --reasoning-budget 0 --reasoning-format deepseek

With vision:

./build/bin/llama-server \
  -m Qwen3.6-35B-A3B-TQ3_4S.gguf \
  --mmproj mmproj-BF16.gguf \
  -ngl 99 -c 4096 -np 1 \
  -ctk q4_0 -ctv tq3_0 -fa on \
  --jinja --no-mmproj-offload \
  --reasoning off --reasoning-budget 0 --reasoning-format deepseek

Performance (RTX 5060 Ti 16GB)

MetricValue
PP5121832 tok/s
TG128107 tok/s
Size12.4 GiB
BPW3.07
ngl99 (full GPU)

Fits entirely in 16GB VRAM — no CPU offload needed.

Quality

10/10 correct on standard QA benchmark (capital of France, 2+2, Python reverse string, gravity, WW2, primes, boiling point, Shakespeare, Jupiter, hello→Hola).

Base Model

License

Apache 2.0 — same as the base model.

Tool Call Validation

Tested with --jinja on both --reasoning off and --reasoning on --reasoning-budget 2048:

Testreasoning offreasoning on
Basic tool call trigger✅✅
Tool response → final answer (no loop)✅✅
Correct tool selection from multiple✅✅
No tool call for simple questions✅✅
Multi-step tool use✅✅
Nested quote escaping retry (no loop)✅✅
Total10/1010/10

Recommended settings for tool-use / agentic workflows

--jinja --reasoning off --reasoning-budget 0 --reasoning-format deepseek

Avoid --presence-penalty above 0.5 for tool-use — high values diversify reasoning tokens but don't improve structured JSON output, and can cause repeated near-identical tool calls in agent loops.

If using --reasoning on, ensure your agent framework detects consecutive identical tool calls and breaks after 2-3 retries.

Run tests yourself

chmod +x test_tool_calls.sh
./test_tool_calls.sh 8085

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
9ff6f7c

0 моделей