/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
16,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
mtplx
Опубликована
14 авг 2026

Qwen3.8-27B-MTPLX-Bare-Speed

Генерация текстаТекст → текст15 профессий

Youssofal/Qwen3.8-27B-MTPLX-Bare-Speed — это 4-битная quantized-версия Qwen/Qwen3.8-27B, подготовленная разработчиками MTPLX для быстрого локального запуска на компьютерах Mac с Apple Silicon.

2 036скачиваний за 30 дней10лайковвеса 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 диалогов, генерации текста и кода, а также сценариев локального использования через MTPLX Mac app или командный интерфейс. Сохранённая встроенная голова multi-token prediction позволяет применять speculative decoding и ускорять генерацию примерно в два-три раза по сравнению с обычным декодированием.

Модель использует MLX-пакет с 4-битными матрицами весов и группами по 64 значения; свёрточные ядра GDN, параметры рекуррентного состояния, нормализации и MTP-head хранятся в 16-битном формате. Глубина MTP составляет 3, контекстное окно — 262 144 токена, размер загрузки — 16 ГБ, пиковое потребление unified memory — около 17 ГБ. Указанные настройки sampling: temperature 1.0, top-p 0.95 и top-k 20; поддерживаются уровни reasoning effort xhigh, medium и low. Модель рассчитана на MacBook Pro, MacBook Air, Mac mini и Mac Studio с чипами M1–M5 и минимум 32 ГБ unified memory.

Главное преимущество — высокая скорость генерации, особенно в коротких чат-сценариях: на MacBook Pro с M5 Max заявлено до 65,2 токена в секунду для coding-задачи и 32,4 токена в секунду при длинной генерации. Компромисс — более грубая 4-битная quantization: авторы README прямо указывают на более низкое качество и меньшую скорость на длинных задачах программирования по сравнению с вариантом Optimized Speed. Для M1 и M2 рекомендуется отдельная FP16-сборка. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

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

MTPLX: the fastest way to run Qwen 3.8 on a Mac. Native multi-token-prediction speculative decoding on Apple Silicon, two to three times the speed of plain decoding, exact at any temperature.

Qwen 3.8 27B Bare Speed

Quickest burst chat speeds. Lower quality and slower on long coding tasks.

The fastest of the three MTPLX Qwen 3.8 builds and the smallest download. Qwen3.8-27B in flat 4-bit with its native multi-token-prediction head kept, so MTPLX drafts ahead and verifies in one pass. If you want the snappiest chat on a Mac and can live with a rougher quant, this is it. For coding, pick Optimized Speed.

Measured on MTPLX 2.11.3 (16 September 2026)

This is a Qwen3.8-27B MLX pack for MTPLX, the fastest way to run Qwen 3.8 27B on a Mac. All numbers on a MacBook Pro M5 Max, fans verified at maximum, sampled at the model's own settings. Conditions and sources: mtplx.com/benchmarks.

Runtok/s
Optimized Speed rewriting a file it just wrote, stock settings (MTPLX 2.10.0)87.6
Bare Speed on a fresh coding task at official Qwen 3.8 sampling (MTPLX 2.7.0)65.2
Optimized Speed on a 3k-token chat answer (MTPLX 2.10.0)64.3
The 27B record on a fresh generation: Qwen 3.6 27B Optimized Speed, 192-token bench, 2 July 2026, raw logs published81.74

Pack quality against the bf16 Qwen3.8-27B checkpoint, teacher-forced over 2,389 positions of code, prose, JSON and a multilingual notice (16 September 2026): Optimized Speed (4-bit dynamic) 96.0 percent top-1 agreement and KL 0.012; Optimized Quality (8-bit dynamic) 99.3 percent and KL 0.0005. Exactness on this release: a thousand four-token draws from the fast path match a thousand from the plain path within the plain path's own noise, at temperature 1, top-p 0.95, top-k 20. Details: MTPLX 2.11.3 release notes.

Runs on Apple Silicon Macs with 32 GB of unified memory or more (36 GB for Optimized Quality): MacBook Pro, MacBook Air, Mac mini and Mac Studio on M1 to M5. Guide: Run Qwen 3.8 27B on a Mac. Comparison pages: MTPLX vs mlx-serve, MTPLX vs oMLX, MTPLX vs LM Studio, MTPLX vs Ollama.

Speeds

Measured on an M5 Max, fans verified at max, single stream, generation running to the model's own stop, official Qwen 3.8 sampling (temperature 1.0, top-p 0.95, top-k 20).

Runtok/s
Coding task, medium reasoning, mtplx serve65.2
Same task inside the MTPLX Mac app64.4
Long reasoning at xhigh, 34k and 37k token answers35.7 and 32.0
One 52,740-token answer, 27.2 minutes, ended at the model's own stop32.4 sustained

Same night, same task: the previous MTPLX flagship Qwen 3.6 27B Optimized Speed V2 ran 59.9 to 60.1 tok/s. oMLX 0.5.7 serving its own Qwen 3.8 4-bit MTP quant ran 63.3. LM Studio on the 52k-token long answer ran 17.40 tok/s against 32.4 here.

Draft acceptance on the coding task by depth: 0.95, 0.86, 0.78. Verify cost 44 ms per round.

How it is built

  • Every weight matrix at 4-bit with 64-weight groups. Nothing promoted.
  • The GDN convolution kernels and recurrent state parameters, every norm, and the whole MTP head stay 16-bit.
  • KL divergence to the original bf16 model on our coding battery: 0.0376. Optimized Speed is 1.7x closer, Optimized Quality 36x closer. That is the trade you make for the speed.
Download16.0 GB
Peak unified memory (measured, this artifact)17.0 GB
Context window262,144 tokens
MTP depth3
Samplingtemperature 1.0, top-p 0.95, top-k 20 (the official Qwen 3.8 contract)
Draft samplertemperature 0.6 (measured winner for this build, 46.1 vs 42.4 tok/s)

The tuned depth and draft settings ship inside mtplx_runtime.json. MTPLX reads them on load. The draft sampler is a speed knob only: MTPLX accepts drafts with the probability-ratio rule plus residual resampling, so the output follows the model's own distribution at any temperature. Reasoning effort levels (xhigh, medium, low) work, and preserved thinking flows through the MTP path.

Use it

Mac app: download at mtplx.com, pick "Qwen 3.8 27B Bare Speed".

Command line:

pip install mtplx
mtplx serve --model Youssofal/Qwen3.8-27B-MTPLX-Bare-Speed

Siblings: Optimized Speed (recommended for coding) and Optimized Quality (8-bit, perfect quality). On an M1 or M2 Mac use the FP16 build of this model.

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
b59d700

0 моделей