/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
36,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Huihui-Qwen3.8-27B-abliterated
Библиотека
transformers
Опубликована
24 авг 2026

Huihui-Qwen3.8-27B-abliterated-FP8-v2

Изображение и текст → текст15 профессий

Huihui-Qwen3.8-27B-abliterated-FP8-v2 — мультимодальная модель для обработки текста и изображений, созданная пользователем batsclamp на основе huihui-ai/Huihui-Qwen3.8-27B-abliterated.

2 375скачиваний за 30 дней0лайковвеса обновлены25 авг 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 версия v2, квантизированная из upstream-релиза от 24 августа 2026 года; исходная модель основана на семействе Qwen3.8. Модель предназначена для генерации текста, рассуждений, работы с изображениями, а также сценариев с вызовом инструментов и использованием vLLM.

Модель имеет размер 27B параметров и поддерживает контекст до 262 144 токенов при указанной конфигурации обслуживания. Используется гибридная архитектура с Mamba-проекциями и визуальной башней; 256 плотных линейных модулей квантизированы в FP8 E4M3 с поканальными статическими масштабами для весов и динамическим масштабированием по токенам для активаций. Формат хранения — compressed-tensors float-quantized. Визуальная часть, эмбеддинги, нормализации, lm_head и MTP-модуль сохранены в BF16, что позволяет использовать speculative decoding.

Преимуществами являются уменьшенный размер по сравнению с BF16-версией, совместимость с vLLM и потенциально более высокая точность квантизации благодаря поканальному масштабированию. При этом качество FP8-варианта не подтверждено полноценными бенчмарками: заявлены только структурная проверка и тестовая генерация. Модель аблитерирована, поэтому у неё удалено исходное поведение отказа и отсутствуют гарантии безопасности оригинального релиза; при высоком уровне reasoning effort она может расходовать очень большой бюджет вывода и возвращать пустой ответ при преждевременном ограничении max_tokens. Лицензия — 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

Huihui-Qwen3.8-27B-abliterated-FP8 — v2

⚠️ This is v2. It is quantized from the 2026-08-24 upstream re-release (739e3c5b), in which huihui-ai narrowed the ablation to layers 18–51. The earlier upstream build ablated layers 15–63; the narrower range retains more of the original model's performance. v1 of this repo — the quantization of the older, more heavily ablated weights — has been deleted and is no longer downloadable. If you pulled this repo before 2026-08-24, re-download it.

FP8 quantization of huihui-ai/Huihui-Qwen3.8-27B-abliterated, produced with llm-compressor (FP8_DYNAMIC).

huihui-ai publish only BF16 weights and a GGUF build for this model — no FP8 — so this repo fills that gap for vLLM users.

Versionv2
Base revision739e3c5b89849f6c238ce1e5b70008612ae42cdd (2026-08-24)
Ablated layers upstream18–51

Scheme

WeightsFP8 e4m3, per-channel (static)
ActivationsFP8 e4m3, dynamic per-token
Formatcompressed-tensors (float-quantized)
Calibrationnone required (data-free pipeline)

256 dense Linear modules are quantized. Everything the upstream Qwen/Qwen3.8-27B-FP8 release leaves alone is left in BF16 here too:

  • linear_attn.* — the hybrid Mamba projections (in_proj_qkv, in_proj_a, in_proj_b, in_proj_z, out_proj), 48 layers
  • the whole vision tower (visual.blocks.*, visual.merger.*)
  • embed_tokens, lm_head, and all norms
  • the MTP drafter (mtp.*) — kept in BF16 rather than FP8, so speculative decoding still works

Note the upstream FP8 release uses per-tensor weight scales; this one uses per-channel, a finer-grained (and therefore more accurate) scheme at the same size.

Serving with vLLM

vllm serve batsclamp/Huihui-Qwen3.8-27B-abliterated-FP8-v2 \
  --max-model-len 262144 \
  --speculative-config '{"method": "mtp", "num_speculative_tokens": 3}' \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --override-generation-config '{"temperature": 1.0, "top_p": 0.95, "top_k": 20}'

Sampling defaults follow the upstream model card's thinking-mode recommendation (temp 1.0 / top_p 0.95 / top_k 20).

Caveats

  • This is an abliterated model: refusal behaviour has been removed upstream. Safety properties are not those of the original Qwen release.
  • Quantization was verified structurally and by generation, not by a benchmark suite; no perplexity or eval numbers are claimed.
  • With reasoning_effort: xhigh this model family will spend a very large output budget inside the reasoning block — measured 16k tokens / 26 min for one hard question on a GB10. It converges and returns a full answer, but if you cap max_tokens below what it needs you get finish_reason: length and an empty content. This is not specific to this quantization or to abliteration — stock Qwen/Qwen3.8-27B-FP8 behaves identically.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
da58723

0 моделей