/ Модель

Характеристики

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

Zrald-qwen3.8-27b-v2

Генерация текстаТекст → текст15 профессий

Квантизированные варианты Qwen3.8-27B в формате GGUF для локальной генерации текста, диалогов, программирования и ответов на вопросы.

845скачиваний за 30 дней1лайквеса обновлены20 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-qwen3.8-27b-v2 — выпуск GGUF модели Qwen3.8-27B от Zrald, предназначенный для локального запуска через llama.cpp. Это плотная модель с 27,2 млрд параметров; в репозитории представлены три варианта с разным соотношением размера и точности: accuracy, balance и compressed. README сообщает о сравнительных испытаниях на AMD Instinct MI300X и CPU, однако эти результаты относятся к оценке автора и не гарантируют аналогичное качество на других задачах и системах.

Модель рассчитана на генерацию текста в диалогах, программирование, анализ документов, ответы на вопросы и многошаговые рассуждения. README описывает локальное обслуживание через OpenAI-совместимый API и приводит рекомендации по памяти и видеопамяти. В метаданных базовая модель указана как Qwen/Qwen3.8-27B, а формат файлов — GGUF; лицензия — Apache-2.0. Карточка не сообщает длину контекста или языковой охват, поэтому эти характеристики здесь не уточняются.

Сценарии применения

  • локальный чат-бот на персональном компьютере
  • помощь в написании и разборе кода
  • ответы на вопросы по документам
  • автоматизированная проверка кода
  • многошаговые рассуждения в диалоге

Ограничения

Это GGUF-выпуск с вариантами разной степени сжатия, поэтому качество и требования к памяти зависят от выбранного файла и среды запуска. Заявленные показатели основаны на тестах автора и не описывают качество на всех задачах.

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

Zrald Qwen 3.8 27B Quantized (GGUF Release v2)

📖 Research White Paper: Read our full 18-page empirical study on AMD Instinct MI300X hardware:
📄 Read Whitepaper (PDF)  |  🌐 View Online in Browser  |  📥 Direct Download

Hardware-tested, high-efficiency GGUF releases of Qwen3.8-27B (27.2 Billion Parameters, Dense Architecture).

All models in this repository have been benchmarked on real hardware (AMD Instinct MI300X with ROCm and modern high-thread CPU engines) and evaluated directly against the 100% uncompressed original base model across multiple domains (Encyclopedic Wiki, Real-World Web, and Python Code).

This unified repository provides three specialized tiers:

  • zraldqwen3.8-accuracy: 15.33 GB (~4.5 BPW). Near-lossless enterprise workhorse (99.31% base retention). Delivers full FP16-grade reasoning and coding accuracy while reducing RAM requirements by 72.0%.
  • zraldqwen3.8-balance: 10.18 GB (~3.0 BPW). The sweet-spot champion (97.27% base retention). Fits cleanly on standard 12 GB consumer GPUs (RTX 4070, RX 7700 XT) while preserving over 97% of full model intelligence with an 81.4% memory cut.
  • zraldqwen3.8-compressed: 9.15 GB (~2.7 BPW). High-efficiency low-bit champion (96.61% base retention). Completely eliminates the traditional 2-bit accuracy cliff, reducing model size by 83.3% while maintaining reliable syntax and reasoning.

Benchmark Performance vs. 100% Original Base Model

Every metric reported below was empirically measured on real hardware against the uncompressed original base model:

Model TierFile SizeMemory SavedRetention vs 100% BaseWikiText PerplexityC4 Web RetentionPython Code RetentionGeneration SpeedRecommended Minimum VRAM
Original Base (Uncompressed)54.65 GB0.0%100.00%5.7874100.00%100.00%3.03 t/s64 GB
🟢 zraldqwen3.8-accuracy15.33 GB72.0%99.31%5.8275100.46%97.34%5.99 t/s16 GB
🔵 zraldqwen3.8-balance10.18 GB81.4%97.27%5.950196.18%87.00%6.02 t/s12 GB
🟣 zraldqwen3.8-compressed9.15 GB83.3%96.61%5.990296.25%74.54%6.04 t/s10 GB – 12 GB

Comparison Against Standard Published Baselines

Model TierReal Measured AccuracyPublished Standard BaselineAccuracy AdvantageReal Measured SizePublished Standard SizeMemory Footprint Advantage
🟢 zraldqwen3.8-accuracy99.31%95.20% (Standard Q4)+4.11% higher15.33 GB16.50 GB-1.17 GB smaller
🔵 zraldqwen3.8-balance97.27%89.70% (Standard Q3)+7.57% higher10.18 GB13.60 GB-3.42 GB smaller (-25%)
🟣 zraldqwen3.8-compressed96.61%78.40% (Standard Q2)🚀 +18.21% higher9.15 GB10.90 GB-1.75 GB smaller (-16%)

Detailed Model Tier Overviews

1. zraldqwen3.8-accuracy (Enterprise Workhorse)

  • File Name: zraldqwen3.8-accuracy.gguf
  • Memory Footprint: 15.33 GB
  • Base Accuracy Retention: 99.31%
  • Best Suited For: Complex software engineering, automated code review, financial contracts, mission-critical reasoning, and multi-turn agentic workflows.
  • Hardware Requirement: 16 GB VRAM GPUs (NVIDIA RTX 4080, RTX 4070 Ti Super, Apple Silicon M-Series 16GB/24GB).

2. zraldqwen3.8-balance (The Pareto Sweet Spot)

  • File Name: zraldqwen3.8-balance.gguf
  • Memory Footprint: 10.18 GB
  • Base Accuracy Retention: 97.27%
  • Best Suited For: Daily development copilot, document Q&A, conversational agents, and local private AI deployment.
  • Hardware Requirement: 12 GB VRAM GPUs (NVIDIA RTX 4070, RTX 3060 12GB, AMD Radeon RX 7700 XT) with ample headroom for 4k–8k context.

3. zraldqwen3.8-compressed (2-Bit Floor Champion)

  • File Name: zraldqwen3.8-compressed.gguf
  • Memory Footprint: 9.15 GB
  • Base Accuracy Retention: 96.61%
  • Best Suited For: Edge compute, portable devices, lightweight laptops, low-latency high-concurrency instances.
  • Hardware Requirement: 10 GB–12 GB VRAM or modern CPU offload systems with 16 GB unified RAM.

How to Serve with llama.cpp (Verified & Tested)

All models are fully compatible with llama.cpp and support local OpenAI-compatible API serving out of the box.

Step 1: Install or Update llama.cpp

On Linux / macOS:

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
cmake -B build -DGGML_CUDA=ON   # Use -DGGML_HIPBLAS=ON for AMD ROCm, or omit flags for CPU/Metal
cmake --build build --config Release -j $(nproc)

On Windows (PowerShell with Visual Studio or CMake):

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
cmake -B build
cmake --build build --config Release -j

(Alternatively, download prebuilt release binaries directly from the official llama.cpp GitHub releases page).


Step 2: Download Model Weights

Using huggingface-cli:

# Download the balanced sweet-spot tier (Recommended)
huggingface-cli download Zrald/Zrald-qwen3.8-27b-v2 zraldqwen3.8-balance.gguf --local-dir ./models

# Or download the accuracy tier
huggingface-cli download Zrald/Zrald-qwen3.8-27b-v2 zraldqwen3.8-accuracy.gguf --local-dir ./models

# Or download the compressed tier
huggingface-cli download Zrald/Zrald-qwen3.8-27b-v2 zraldqwen3.8-compressed.gguf --local-dir ./models

Step 3: Launch the OpenAI-Compatible Local Server

Run the llama-server command:

# Run the model locally on port 8080 with 4096 context
./build/bin/llama-server \
  -m ./models/zraldqwen3.8-balance.gguf \
  --host 127.0.0.1 \
  --port 8080 \
  -c 4096 \
  -ngl 99 \
  -t 8

Key launch parameters:

  • -m: Path to your GGUF file.
  • -ngl 99: Offloads all layers to your GPU (reduces to fewer layers if partially offloading).
  • -c 4096: Allocates context window (expand to 8192 or 16384 if you have sufficient VRAM).
  • -t 8: Number of CPU threads to utilize.

Once started, the server provides:

  • Web UI: Open http://localhost:8080 in your web browser to chat with the model immediately.
  • OpenAI Endpoint: http://localhost:8080/v1/chat/completions

Step 4: Verify the Server with curl

Test generation from a terminal:

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [
      {"role": "user", "content": "Hello! Confirm you are operational in one sentence."}
    ],
    "temperature": 0.0,
    "max_tokens": 60
  }'

Step 5: Integration with Python (OpenAI Client)

You can connect directly using the standard openai Python package:

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed"
)

response = client.chat.completions.create(
    model="zraldqwen3.8-balance",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Explain the difference between a mutex and a semaphore in two sentences."}
    ],
    temperature=0.2,
    max_tokens=150
)

print(response.choices[0].message.content)

Hardware Sizing & VRAM Recommendations

┌─────────────────────────────────────────────────────────────────────────────┐
│                       HARDWARE FIT & VRAM MATRIX                            │
├────────────────────────────┬───────────┬──────────────┬─────────────────────┤
│ Model Tier                 │ Model RAM │ Min GPU VRAM │ Suggested Context   │
├────────────────────────────┼───────────┼──────────────┼─────────────────────┤
│ zraldqwen3.8-compressed    │ 9.15 GB   │ 10 GB–12 GB  │ 4,096 – 8,192       │
│ zraldqwen3.8-balance       │ 10.18 GB  │ 12 GB        │ 4,096 – 8,192       │
│ zraldqwen3.8-accuracy      │ 15.33 GB  │ 16 GB        │ 8,192 – 16,384      │
└────────────────────────────┴───────────┴──────────────┴─────────────────────┘

Research White Paper & Technical Documentation

A comprehensive 18-page technical white paper documenting the empirical real-hardware methodology, mathematical formulations, and serving dynamics on AMD Instinct MI300X is available directly in this repository:

  • Whitepaper Document: 📄 Read Whitepaper (PDF) (Direct viewer in browser)
  • Direct Download: 📥 Download whitepaper.pdf
  • Document Title: Empirical Hardware Study & White Paper: Three-Category Quantization on AMD Instinct MI300X
  • Authors: Gerald Bustilla & Michitaro
  • Evaluation Date: September 20, 2026

License & Acknowledgements

  • Base Architecture: Qwen3.8-27B by Alibaba Cloud Tongyi Lab (Apache 2.0).
  • Inference Runtime: llama.cpp by Georgi Gerganov and the GGML open-source community.
  • Quantization & Verification: Evaluated and published by Zrald AI on real AMD Instinct MI300X hardware.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
34d2b18

0 моделей