/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
29,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
mtplx
Опубликована
15 авг 2026

Qwen3.8-27B-MTPLX-Optimized-Quality-FP16

Генерация текстаТекст → текст15 профессий

Youssofal/Qwen3.8-27B-MTPLX-Optimized-Quality-FP16 — сборка модели Qwen3.8-27B, подготовленная Youssofal для запуска через MTPLX на компьютерах Mac с Apple Silicon.

2 766скачиваний за 30 дней15лайковвеса обновлены22 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

Это текстовая генеративная модель для локального использования, включая программирование, работу с кодом, текстами, JSON и многоязычными запросами. Модель распространяется в формате MLX и оптимизирована для чипов Apple M1 и M2; для более новых Mac рекомендуется родственная сборка с bf16.

Модель имеет размер 27B параметров, использует динамическое 8-битное квантование, а оставшиеся плавающие параметры хранятся в FP16. Она поддерживает контекст до 262 144 токенов и многоступенчатое предсказание с глубиной MTP 3. MTPLX применяет спекулятивное декодирование с точным сохранением распределения генерации; заявлено ускорение в два-три раза по сравнению с обычным декодированием. Для работы требуется Mac с Apple Silicon и не менее 32 ГБ объединённой памяти, а для этой сборки рекомендуется от 36 ГБ. Размер загрузки — 29,4 ГБ.

Сильными сторонами являются высокое совпадение с исходной моделью Qwen3.8-27B в тестах качества, оптимизация для локального запуска на Mac и поддержка длинного контекста. Ограничения включают привязку к экосистеме Apple Silicon, высокие требования к памяти и отсутствие опубликованных замеров скорости именно на M1 и M2. 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 Optimized Quality FP16

8-bit dynamic quant. Good coding speeds and perfect quality. This is the M1 and M2 build.

The FP16 precision sibling of Qwen 3.8 27B Optimized Quality. M1 and M2 Macs do not run bf16 well, so this build keeps every quantized weight byte-identical to the parent and stores the remaining floating tensors (scales, biases, norms, the GDN convolution and state parameters, and the MTP head) in fp16 instead of bf16. Same layout, same tuned depth and draft settings, same context window. On an M3 or newer Mac use the parent instead.

MTPLX picks the right one for you: the app and mtplx start route M1 and M2 Macs to the FP16 builds and everything newer to the parents. You want 36 GB of unified memory or more for this one.

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

The numbers we publish for the parent were measured on an M5 Max: 48.3 tok/s on the coding task and 33.2 tok/s on long xhigh reasoning, official Qwen 3.8 sampling, generation running to the model's own stop. This FP16 build has the same weights and runs the same MTPLX turbo path, so the speculative math is identical; absolute tok/s on an M1 or M2 depends on that chip. We have not published M1 or M2 numbers for it yet.

Download29.4 GB
Peak unified memory (parent, measured on M5 Max)32.7 GB
Context window262,144 tokens
MTP depth3
Samplingtemperature 1.0, top-p 0.95, top-k 20 (the official Qwen 3.8 contract)

MTPLX_FP16_CONVERSION_MANIFEST.json in the repo lists every tensor that was cast and every tensor that was preserved, with sha256 for each shard. Speculation in MTPLX is exact at any temperature: drafts are accepted with the probability-ratio rule plus residual resampling.

Use it

Mac app: download at mtplx.com, pick "Qwen 3.8 27B Optimized Quality FP16".

Command line:

pip install mtplx
mtplx serve --model Youssofal/Qwen3.8-27B-MTPLX-Optimized-Quality-FP16

The other two FP16 builds: Optimized Speed FP16, Bare Speed FP16.

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
9b53320

0 моделей