/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
24 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5 · dense
Базовая модель
ThinkingCap-Qwen3.8-27B
Библиотека
mlx
Опубликована
24 сен 2026

ThinkingCap-Qwen3.8-27B-mlx-nvfp4

Изображение и текст → текст

Квантованная MLX-версия мультимодальной ThinkingCap-Qwen3.8-27B для диалогов и анализа изображений с текстом на системах Apple.

139скачиваний за 30 дней0лайковвеса обновлены24 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 мультимодальная модель bottlecapai/ThinkingCap-Qwen3.8-27B, преобразованная в формат MLX и сжато квантованная для запуска на системах Apple с MLX. Она принимает текст и изображения и предназначена для диалогов и задач, где нужно анализировать визуальные материалы вместе с текстовым запросом. Веса используют смешанную точность: часть слоёв квантована в nvfp4, часть — в mxfp8, а остальные сохранены в bfloat16. В контрольном тесте на WikiText-2 перплексия близка к исходной версии bfloat16; размер файла в README указан примерно как 24 ГБ.

В чекпойнт также включена MTP-голова для спекулятивного декодирования через mlx-vlm; её можно не использовать при обычном выводе. README приводит сценарии запуска через MLX и mlx-vlm. Репозиторий опубликован с лицензией `other`; конкретные условия следует проверять в карточке и лицензии базовой модели перед использованием.

Сценарии применения

  • ответы на вопросы по изображению
  • описание содержимого фотографий
  • диалог с визуальными материалами
  • анализ изображения по текстовой инструкции
  • ускорение генерации через спекулятивное декодирование MTP

Ограничения

Квантование может менять качество вывода относительно исходной версии; приведённое сравнение ограничено тестом перплексии и KL-дивергенции на WikiText-2. Для запуска требуется совместимое окружение MLX, а лицензия `other` требует проверки конкретных условий использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This repository contains bottlecapai/ThinkingCap-Qwen3.8-27B converted to MLX format with a mixed-precision quantization recipe, using mlx-vlm 0.6.17.

Quantization recipe

ModulePrecision
MLP gate_proj / up_proj / down_proj (64 layers)nvfp4 (group_size=16, bits=4)
Full attention q_proj / k_proj / v_proj / o_proj (16 layers)mxfp8 (group_size=32, bits=8)
Linear (GDN) attention in_proj_* / out_proj (48 layers)mxfp8 (group_size=32, bits=8)
Token embeddings (embed_tokens)bfloat16
Output head (lm_head)bfloat16
MTP headbfloat16
Vision towerbfloat16
  • Effective size: ~24 GB (7.9 bits per weight), base model is ~54 GB in bfloat16.
  • Quantized modules: mxfp8 (group_size=32, bits=8) / nvfp4 (group_size=16, bits=4); bfloat16 modules are stored as-is. Per-module precision is detected from the presence of .scales tensors.

MTP

The native MTP head is merged into this checkpoint as language_model.mtp.* tensors (15 tensors, bfloat16, norms in the MLX +1 convention), stored in mtp.safetensors and referenced from model.safetensors.index.json — it is not a separate drafter model. Use it for speculative decoding (--draft-kind mtp in mlx-vlm) or ignore it; base inference is unaffected.

Use with mlx-vlm

pip install mlx-vlm
import mlx_vlm

model, processor = mlx_vlm.load("airagrp/ThinkingCap-Qwen3.8-27B-mlx-nvfp4")
response, _ = mlx_vlm.generate(
    model,
    processor,
    prompts="In one sentence, what is MLX?",
    max_tokens=64,
)
print(response)
mlx_vlm.generate --model airagrp/ThinkingCap-Qwen3.8-27B-mlx-nvfp4 --prompt "In one sentence, what is MLX?" --max-tokens 64

Use with MLX directly

Load with the standard MLX safetensors layout; quantized weights use mxfp8 (group_size=32, bits=8) / nvfp4 (group_size=16, bits=4).

Citations / license

This checkpoint derives from bottlecapai/ThinkingCap-Qwen3.8-27B (a finetune); the finetune weights are licensed under polyform-small-business-1.0.0. See LICENSE in this repo. Refer to the original model card for architecture details, benchmarks, and usage guidelines.

Quality benchmarks

Perplexity and KL divergence on the WikiText-2 raw test split (297,193 tokens, 2048-token windows, fresh KV cache per window), measured against the bf16 reference (ThinkingCap-Qwen3.8-27B).

ModelSize (GiB)PPL (lower = better)ΔPPL vs bf16KLD vs bf16 (nats/token, lower = better)
ThinkingCap-Qwen3.8-27B (bf16 reference)51.757.008——
ThinkingCap-Qwen3.8-27B-mlx-nvfp422.317.075+0.0680.0427
ThinkingCap-Qwen3.8-27B-mlx-mxfp829.786.962-0.0460.0077
  • KLD = mean per-token D_KL(p_bf16 ‖ p_model) over the full vocabulary — how much the quantized model's next-token distribution drifts from bf16.
  • Data: wikitext-2-raw-v1 test split, SHA-256 696cca6b65a171b0…; tokenizer: ThinkingCap-Qwen3.8-27B; mlx-vlm 0.6.17.
  • Benchmarked 2026-09-24 with benchmark_ppl_kld.py (2048-token streaming windows, all positions except the first of each window scored).

Plots

Mean KLD vs quant size

PPL vs quant size

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
824b5f4

0 моделей