/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Библиотека
mtplx
Опубликована
3 мая 2026

Qwen3.6-27B-MTPLX-Optimized-Speed

Генерация текстаТекст → текст7 профессий

Youssofal/Qwen3.6-27B-MTPLX-Optimized-Speed — модель для генерации текста, созданная на основе Qwen/Qwen3.6-27B и адаптированная Youssofal для runtime MTPLX.

2 603скачиваний за 30 дней64лайкавеса 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

Она предназначена для локального запуска и ускоренной генерации, прежде всего на компьютерах Apple Silicon, включая сценарии программирования, интерактивной работы с текстом и развертывания сервиса через MTPLX.

Модель использует архитектуру qwen3-next-mtp и встроенные Multi-Token-Prediction heads для speculative decoding без внешней draft-модели. Основная часть представляет собой flat 4-bit affine-конверсию, а MTP-компонент — предварительно квантованный INT4 sidecar. Максимальная глубина MTP равна 3; верифицированный runtime рассчитан на Apple M5 Max с 128 ГБ unified memory. Для указанного профиля заявлена скорость до 63,056 токена в секунду на тестовом кодовом запросе, однако фактическая производительность зависит от оборудования, настроек и нагрузки. В README не указаны поддерживаемые языки, размер контекста и мультимодальные возможности.

Сильная сторона модели — ускоренная декодировка за счёт встроенного speculative decoding и точной проверки предложенных токенов; заявленное ускорение достигает 2,24 раза по сравнению с обычной генерацией в соответствующих условиях. Ограничения включают зависимость от MTPLX и Apple Silicon, статус runtime как preview, поддержку только backend qwen3-next-mtp в MTPLX v0.1.0-preview и необходимость учитывать результаты бенчмарка как зависящие от конкретного теста. Базовая модель и конверсия MTPLX распространяются по лицензии Apache-2.0.

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

Qwen3.6-27B MTPLX Optimized Speed

Run this with MTPLX

MTPLX is an MLX-native runtime for native Multi-Token-Prediction speculative decoding on Apple Silicon. Up to 2.24× faster decode at real coding temperatures (temp=0.6 / top_p=0.95 / top_k=20) using the model's own built-in MTP heads — no external drafter, no greedy hack.

brew install youssofal/mtplx/mtplx
mtplx start

Project: github.com/youssofal/MTPLX

Other MTPLX checkpoints:


This is the speed checkpoint for MTPLX v0.1.0-preview. It combines the and embeds mtplx_runtime.json so MTPLX can run it as the optimized speed variant.

Target repository: Youssofal/Qwen3.6-27B-MTPLX-Optimized-Speed

Runtime

mtplx pull Youssofal/Qwen3.6-27B-MTPLX-Optimized-Speed
mtplx run "hello" --model Youssofal/Qwen3.6-27B-MTPLX-Optimized-Speed
mtplx serve --model Youssofal/Qwen3.6-27B-MTPLX-Optimized-Speed --port 8000 --no-stats-footer

MTPLX v0.1.0-preview supports Qwen3-Next-MTP only. This model is verified for the qwen3-next-mtp backend.

Sources And Attribution

ComponentSourceRevisionLicense
Base modelQwen/Qwen3.6-27B6a9e13bd6fc8f0983b9b99948120bc37f49c13e9Apache-2.0
MTPLX conversion and runtime contractyoussofal/mtplxv0.1.0-preview.1Apache-2.0

The trunk is the MLXCommunity flat 4-bit affine conversion of compressed-tensors checkpoint at the revision listed above.

Verification

mtplx_runtime.json records:

  • architecture: qwen3-next-mtp
  • maximum MTP depth: 3
  • recommended profile: sustained
  • recommended draft-only LM head: 3-bit affine, group_size=64
  • recommended draft sampler: temperature 0.70, top-p 0.95, top-k 20
  • exactness gate: Phase 0H paged-verifier smoke
  • exactness max absolute diff: 0.0
  • verified hardware: Apple M5 Max, 128 GB unified memory
  • verified timestamp: 2026-05-03T23:07:00+0100

Target sampler used for the recorded contract: temperature 0.6, top-p 0.95, top-k 20, with thinking mode disabled. The draft proposal sampler is intentionally slightly hotter at temperature 0.70; target verification and residual correction remain exact.

Performance Honesty

This is the default speed lane. On the local Apple M5 Max fanmax sustained benchmark, this artifact reached 63.056 tok/s and 62.886 tok/s at depth 3 on the long-code 192-token prompt when using its contract-recommended 3-bit draft-only LM head plus draft sampler temperature 0.70, with thinking mode disabled and foreground app load reduced. The proposal change reduced the measured correction tokens from 6 to 3 and verify calls from 50 to 49 on the recorded prompt; target sampling remains temperature 0.6 / top-p 0.95 / top-k 20. A full greedy diagnostic on the same cleaned fanmax window measured 60.108 tok/s. Earlier contract evidence measured 61.527 and 60.900 tok/s, the earlier 3-bit draft-head contract measured 60.038 and 60.061 tok/s, and the older 4-bit draft-only LM head measured 57.668 tok/s on the same lane.

Files

  • model-*.safetensors: MLXCommunity flat 4-bit trunk shards.
  • mtp/weights.safetensors: calibrated prequantized INT4 MTP sidecar, nested so generic MLX vision loaders only glob the base model shards.
  • mtplx_runtime.json: MTPLX verified runtime contract.
  • MTPLX_PUBLISH_MANIFEST.json: local staging manifest with source paths, materialization method, sizes, and optional hashes.

Links

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
11f2eae

0 моделей