/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Библиотека
mtplx
Опубликована
7 июн 2026

Qwen3.5-9B-MTPLX-Optimized-Speed

Генерация текстаТекст → текст9 профессий

Локальная 9B-модель Qwen3.5 для генерации текста на Apple Silicon с ускорением спекулятивным декодированием MTPLX.

2 188скачиваний за 30 дней7лайковвеса обновлены24 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

Qwen3.5-9B MTPLX Optimized Speed — языковая модель семейства Qwen3.5, опубликованная Youssofal для быстрого локального вывода на компьютерах Apple Silicon. Это 9-миллиардная плотная модель генерации текста с поддержкой диалогов; основная часть весов представлена в 6-битном формате MLX, а нативные MTP-головы сохранены в BF16 для спекулятивного декодирования через MTPLX.

Модель предназначена для локальных ответов на запросы и генерации текста с ускорением за счёт предсказания нескольких токенов: MTP-головы предлагают черновые токены, которые затем проверяет основная модель. В README приведены результаты измерений в MTPLX на Apple Silicon: для режима D2 указана скорость 101,32 токена в секунду. Для запуска требуется MTPLX; README описывает совместимый с OpenAI локальный сервер и рекомендуемые настройки декодирования.

Это оптимизированная 6-битная сборка, а не полноточный чекпойнт; заявленные результаты относятся к указанному runtime-сценарию на Apple Silicon. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • локальная генерация ответов в чате
  • ускоренный вывод текста на компьютере Mac с Apple Silicon
  • развёртывание локального сервера с OpenAI-совместимым интерфейсом
  • генерация текста с использованием спекулятивного декодирования

Ограничения

Это 6-битная сборка, а не полноточный чекпойнт; заявленные показатели скорости измерены в MTPLX на Apple Silicon, поэтому не характеризуют другие среды запуска.

Для каких профессий подходит9

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

Qwen3.5-9B MTPLX Optimized Speed

Fast local 9B inference for Apple Silicon, packaged for MTPLX native Multi-Token-Prediction speculative decoding.

This is the 9B speed checkpoint: a 6-bit MLX body with BF16 MTP heads, tuned as the stronger small-Mac option above the 4B release.

For coding and agent work at the same size, see MiMo V2.6 Qwen 9B Optimized Speed, Xiaomi's fine-tune of this model with the same 6-bit recipe. On M3, M4 and M5 Macs with 16 GB or more, MTPLX 2.12.0 suggests it before this pack.

Run It

brew install youssofal/mtplx/mtplx
mtplx start
mtplx run "hello" --model Youssofal/Qwen3.5-9B-MTPLX-Optimized-Speed

For an OpenAI-compatible local server:

mtplx serve --model Youssofal/Qwen3.5-9B-MTPLX-Optimized-Speed --profile sustained --max --port 8000 --no-stats-footer

Why This Exists

MTPLX uses the model's own MTP heads to generate draft tokens, then verifies those tokens with the main model. When the draft heads are well-matched, you get higher throughput without running a separate drafter model.

MTPLX reads mtplx_runtime.json and selects the measured defaults automatically.

Recommended Runtime Defaults

SettingValue
Backendqwen3-next-mtp
Default depthD2
Target samplertemp=0.60, top_p=0.95, top_k=20
Draft samplertemp=0.60, top_p=0.95, top_k=20
Profilesustained
Benchmark fan modemax

Performance

Measured in MTPLX on Apple Silicon using the release runtime path.

ModeTPSVerify timeAcceptance
AR baseline64.96--
D1 comparison92.876.83s0.9120
D2 promoted default101.324.13s0.9398, 0.8102
D3 comparison96.304.58s0.9278, 0.7732, 0.6443

Model Build

ComponentFormat
Main body6-bit MLX affine, group size 64
MTP headsBF16 native MTP sidecar
Samplertarget and draft temp=0.60, top_p=0.95, top_k=20

This is not a full-precision checkpoint. It is built for fast local use on Apple Silicon through MTPLX.

Files

  • model-*.safetensors: MLX body shards
  • mtp.safetensors: MTP sidecar
  • mtplx_runtime.json: MTPLX runtime contract and measured defaults
  • MTPLX_PUBLISH_MANIFEST.json: file sizes and artifact metadata
  • tokenizer and config files for local loading

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.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
86c7eb1

0 моделей