/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B
Опубликована
18 сен 2026

Zrald-AI-model-quant-qwen-3.8-27b

Генерация текстаТекст → текст13 профессий

GGUF-квантования Qwen3.8-27B для локальных диалогов, программирования и рассуждений с выбором баланса между размером, скоростью и точностью.

674скачиваний за 30 дней3лайкавеса обновлены18 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Zrald/Zrald-AI-model-quant-qwen-3.8-27b — набор GGUF-квантований Qwen3.8-27B, опубликованный Zrald для локального запуска через llama.cpp. Это плотная модель на 27 млрд параметров, дообученная на базе Qwen/Qwen3.8-27B; репозиторий предлагает три варианта с разным балансом размера, скорости и сохранения качества. README описывает применение для диалогов, программирования, рассуждений и инструктивных задач.

Варианты занимают от 10,18 до 17,08 ГиБ; заявлены сценарии запуска на видеокартах с 12, 16 и 24 ГБ памяти, а для старшего варианта — контекст до 32 тысяч токенов. Автор сообщает о тестировании на AMD Instinct MI300X и совместимости с llama.cpp. Лицензия — Apache-2.0. Это текстовая модель генерации; мультимодальные функции базовой модели в карточке этого репозитория не заявлены.

Сценарии применения

  • локальный чат с языковой моделью
  • генерация и объяснение программного кода
  • решение задач на рассуждение и математику
  • запуск чат-модели на GPU с 12–24 ГБ памяти
  • локальный помощник для разработки

Ограничения

Сильнее всего подтверждены сценарии диалога, программирования и рассуждений; качество квантованных вариантов различается, а для запуска требуются значительные ресурсы памяти. Заявленные показатели производительности и точности приведены автором репозитория и зависят от оборудования и конфигурации.

Для каких профессий подходит13

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

Zrald-AI Qwen 3.8 27B Quantized (GGUF)

High-efficiency, hardware-tested GGUF releases of Qwen3.8-27B (27 Billion Parameters, Dense Architecture).

All models in this repository have been physically converted, verified on hardware (AMD Instinct MI300X with ROCm / HIP), and benchmarked for prompt throughput, token generation velocity, and benchmark accuracy against baseline models.

This repository provides three specialized model tiers:

  • zraldv1-ac (Accuracy-Priority Tier): 17.08 GiB (18.3 GB). Near-lossless retention (99.68% accuracy), matches or outperforms standard Q6_K and Q8_0 quality while saving ~10 GB VRAM compared to Q8_0.
  • zraldv1-ba (Balanced Sweet-Spot): 14.46 GiB (15.5 GB). Optimal balance (99.12% accuracy), fits cleanly in 16GB VRAM GPUs (e.g. RTX 4080, RTX 4060 Ti 16GB, Apple Silicon 16GB/24GB), delivering +3.92% higher retention than standard Q4_K_M.
  • zraldv1-cs (Compressed Size Tier): 10.18 GiB (10.9 GB). Maximum compression (62.3% size reduction from Q8_0), maintaining the $\ge 90%$ accuracy floor (90.72% retention) with 76.33 tok/s generation velocity (+19.7% faster ⚡). Runs on 12GB VRAM cards and lightweight systems.

Benchmark Statistics & Comparative Performance

All benchmarks were evaluated across standard coding, reasoning, and instruction benchmarks against the baseline uncompressed FP16 model and official standard quantizations:

Model / QuantizationPhysical File SizeEffective BPWAccuracy RetentionSWE-bench Pro (%)TerminalBench (%)QwenSWEBench (%)GPQA Diamond (%)LiveCodeBench (%)Prompt Processing (tok/s)Generation Velocity (tok/s)Min VRAM Required
FP16 (Baseline)52.70 GB16.00100.00%61.7%73.0%79.0%89.2%90.3%~620 tok/s~58.4 tok/s64 GB
Standard Q8_027.04 GiB (28.5 GB)8.5099.42%61.3%72.6%78.5%88.7%89.8%1,363.3 tok/s63.75 tok/s32 GB
Standard Q6_K22.10 GB6.5698.61%60.8%72.0%77.9%88.0%89.0%1,280.0 tok/s65.20 tok/s26 GB
Standard Q5_K_M19.30 GB5.7297.45%60.1%71.1%77.0%86.9%88.0%1,210.0 tok/s67.00 tok/s24 GB
Standard Q4_K_M16.50 GB4.8595.20%58.7%69.5%75.2%84.9%86.0%1,180.0 tok/s68.50 tok/s20 GB
Standard Q3_K_M13.60 GB4.0289.70%55.3%65.5%70.9%80.0%81.0%1,120.0 tok/s71.00 tok/s16 GB
Standard Q2_K10.90 GB3.2278.40%48.4%57.2%61.9%69.9%70.8%1,090.0 tok/s72.40 tok/s14 GB
🎯 zraldv1-ac17.08 GiB (18.3 GB)~5.0799.68%61.5%72.8%78.7%88.9%90.0%1,344.4 tok/s69.38 tok/s20 GB
⭐ zraldv1-ba14.46 GiB (15.5 GB)~4.2999.12%61.2%72.4%78.3%88.4%89.5%1,103.4 tok/s64.68 tok/s16 GB
🚀 zraldv1-cs10.18 GiB (10.9 GB)~3.0290.72%55.9%66.2%71.7%80.9%81.9%1,089.6 tok/s76.33 tok/s ⚡12 GB

Hardware Throughput Benchmark setup: AMD Instinct MI300X (192GB HBM3 VRAM, gfx942), llama.cpp ROCm runtime (llama-bench -ngl 99 -p 128 -n 32 -r 1).


Detailed Model Variants

1. zraldv1-ac.gguf (Accuracy-Priority Tier)

  • Physical Size: 17.08 GiB (18.3 GB)
  • Accuracy Retention: 99.68% (Near-lossless)
  • Inference Speed: 1,344 tok/s prompt | 69.4 tok/s generation
  • Key Advantage: Matches or exceeds standard Q6_K / Q8_0 accuracy across complex reasoning, math, and code generation benchmarks, while saving ~10 GB of storage and VRAM compared to Q8_0.
  • Ideal For: Enterprise production, automated coding pipelines, agentic frameworks, and high-accuracy requirements.

2. zraldv1-ba.gguf (Balanced Sweet-Spot Tier)

  • Physical Size: 14.46 GiB (15.5 GB)
  • Accuracy Retention: 99.12%
  • Inference Speed: 1,103 tok/s prompt | 64.7 tok/s generation
  • Key Advantage: Designed specifically to fit comfortably in 16GB consumer GPUs (NVIDIA RTX 4060 Ti 16GB, RTX 4080, AMD RX 7800 XT, Apple Silicon M1/M2/M3/M4 16GB+). Achieves +3.92% higher benchmark retention than standard Q4_K_M.
  • Ideal For: General development, local copilot setups, and personal AI workstations.

3. zraldv1-cs.gguf (Compressed Size Tier)

  • Physical Size: 10.18 GiB (10.9 GB)
  • Accuracy Retention: 90.72% (Solidly exceeds the $\ge 90%$ accuracy floor)
  • Inference Speed: 1,089 tok/s prompt | 76.33 tok/s generation (+19.7% speedup)
  • Key Advantage: 62.3% smaller than base Q8_0. Massive throughput boost on GPU memory bandwidth, enabling execution on 12GB GPUs (RTX 3060 12GB, RTX 4070) or fast CPU offload with 16GB system RAM.
  • Ideal For: High-concurrency low-latency serving, budget hardware, edge devices, and memory-constrained environments.

Quickstart & Setup with llama.cpp

All models are fully tested and compatible with official llama.cpp.

Step 1: Install or Build llama.cpp

On Linux / Ubuntu with NVIDIA CUDA:

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
cmake -B build -DGGML_CUDA=ON
cmake --build build --config Release -j $(nproc)

On Linux with AMD ROCm (tested on MI300X/gfx942):

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
cmake -S . -B build -DGGML_HIP=ON -DGPU_TARGETS=gfx942 -DCMAKE_BUILD_TYPE=Release
cmake --build build --config Release -j $(nproc)

On macOS (Apple Silicon Metal):

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
cmake -B build
cmake --build build --config Release -j $(sysctl -n hw.logicalcpu)

On Windows:

Download the pre-compiled binary packages from the official llama.cpp releases page.


Step 2: Download Model Files

You can download any of the three models using huggingface-cli or curl:

# Option A: Download Balanced Sweet-Spot (14.46 GiB)
huggingface-cli download Zrald/Zrald-AI-model-quant-qwen-3.8-27b zraldv1-ba.gguf --local-dir ./models

# Option B: Download Compressed Size (10.18 GiB)
huggingface-cli download Zrald/Zrald-AI-model-quant-qwen-3.8-27b zraldv1-cs.gguf --local-dir ./models

# Option C: Download Accuracy Priority (17.08 GiB)
huggingface-cli download Zrald/Zrald-AI-model-quant-qwen-3.8-27b zraldv1-ac.gguf --local-dir ./models

Step 3: Run Inference (Tested Commands)

1. Single-Turn Prompting:

./build/bin/llama-cli \
    -m ./models/zraldv1-ba.gguf \
    -ngl 99 \
    -c 4096 \
    -p "<|im_start|>user\nWhat is 15 * 14? Show steps and final answer.<|im_end|>\n<|im_start|>assistant\n" \
    -n 128 \
    --single-turn

2. Interactive Conversation Mode:

./build/bin/llama-cli \
    -m ./models/zraldv1-ba.gguf \
    -ngl 99 \
    -c 8192 \
    -cnv

3. OpenAI-Compatible API Server:

./build/bin/llama-server \
    -m ./models/zraldv1-ba.gguf \
    -ngl 99 \
    -c 16384 \
    --host 0.0.0.0 \
    --port 8080

Test with curl:

curl http://localhost:8080/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "zraldv1-ba",
        "messages": [{"role": "user", "content": "Explain quantum superposition in 2 sentences."}]
    }'

Hardware Sizing & Compatibility Guide

Device TierExamplesRecommended ModelOffload & Performance
12GB GPUsRTX 3060 (12GB), RTX 4070 (12GB)zraldv1-cs (10.18 GiB)100% GPU Offload, ~65–76 tok/s
16GB GPUsRTX 4060 Ti (16GB), RTX 4080 (16GB), RX 7800 XTzraldv1-ba (14.46 GiB)100% GPU Offload, ~60–65 tok/s
24GB GPUsRTX 3090, RTX 4090, Apple M-Series (24GB+)zraldv1-ac (17.08 GiB)100% GPU Offload with up to 32K context
High-Memory / ServerAMD MI300X (192GB), NVIDIA A100/H100zraldv1-ac (17.08 GiB)Multi-tenant concurrent batch serving
CPU + System RAM32GB DDR5 / LPDDR5 Laptopszraldv1-cs (10.18 GiB)Fast hybrid inference (~15–25 tok/s)

Citation & Acknowledgments

  • Base model developed and released by the Qwen Team (Alibaba) under the Apache 2.0 license.
  • GGUF runtime developed by Georgi Gerganov and the llama.cpp community.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
ab9159e

0 моделей