/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
2,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
mtplx
Опубликована
4 мая 2026

Qwen3.5-4B-MTPLX-Optimized-Speed

Генерация текстаТекст → текст8 профессий

Qwen3.5-4B-MTPLX-Optimized-Speed — это оптимизированная сборка модели Qwen/Qwen3.5-4B, подготовленная Youssofal для запуска через MTPLX на компьютерах Apple Silicon.

1 085скачиваний за 30 дней2лайкавеса обновлены17 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

Модель предназначена для генерации текста и ускорения авторегрессионного вывода с помощью speculative decoding и встроенной calibrated native-MTP draft head. Основная модель использует 4-битное квантование с group size 64; размер на диске составляет около 2,47 ГБ, пиковое потребление памяти при загрузке — около 2,9 GiB. README не указывает поддерживаемые языки и размер контекста.

Ключевое преимущество — высокая скорость при использовании MTP depth 3: на Mac с M5 Max заявлены 227,8 токена в секунду против 133,6 токена в секунду у базового авторегрессионного режима, то есть ускорение примерно в 1,71 раза. Модель рассчитана на Apple Silicon Mac с unified memory от 8 ГБ и автоматически считывает оптимальную глубину из файла конфигурации MTPLX. Для работы требуется MTPLX 2.2.0 или новее; заявленная скорость относится к конкретному тестовому окружению и может отличаться на других устройствах. Лицензия — Apache 2.0.

Для каких профессий подходит8

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

Qwen3.5-4B MTPLX Optimized Speed

4-bit (group 64) Qwen3.5-4B with a calibrated native-MTP draft head, built for MTPLX on Apple Silicon. 2.47 GB on disk, ~2.9 GiB peak at load. The fastest model MTPLX ships.

Measured on an M5 Max (max fans, MTPLX 2.2.0, deterministic suite):

  • AR baseline: 133.6 tok/s
  • MTP depth 3: 227.8 tok/s (1.71x), first-position acceptance 0.95

The engine reads the tuned depth from mtplx_runtime.json; no manual configuration needed. Runs on any Apple Silicon Mac with 8 GB+ of unified memory.

July 2026 rebuild (important)

Earlier revisions of this repo shipped a defective MTP sidecar: the RMSNorm weights were stored in the raw zero-centered convention and never restored, so the draft head proposed garbage and MTP made the model slower than plain decoding (reported as #176, thanks lBroth). This revision is rebuilt from source with the fixed forge. MTPLX 2.2.0+ also detects and heals the old sidecar at load, so existing downloads recover without re-downloading.

Usage

Pick "Qwen 3.5 4B Optimized Speed" in the MTPLX app, or:

mtplx serve --model Youssofal/Qwen3.5-4B-MTPLX-Optimized-Speed

Как запустить

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

GPU в ailist

Универсальный рантайм · mtplx

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
550153b

0 моделей