/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
36,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-Uncensored
Библиотека
transformers
Опубликована
23 авг 2026

Qwen3.8-27B-Uncensored-INT8-AutoRound

Изображение и текст → текст15 профессий

Qwen3.8-27B-Uncensored-INT8-AutoRound — квантизированная версия модели orcarouter/Qwen3.8-27B-Uncensored, опубликованная пользователем berkerdooo.

569скачиваний за 30 дней0лайковвеса обновлены23 авг 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 «Изображение → 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

Она предназначена для запуска и обслуживания языковой или мультимодальной модели Qwen3.8 в условиях ограниченных ресурсов с использованием INT8-квантования весов. В карточке указана multimodal-конфигурация image-text-to-text, а также наличие vision tower, однако поддерживаемые языки и полный перечень мультимодальных возможностей не описаны.

Модель имеет размер 27B параметров и использует смешанную точность W8A16: 263 линейных слоя, включая основные проекции self-attention и MLP, хранятся в симметричном INT8 с group size 128, а 354 линейных слоя, включая linear attention, эмбеддинги, выходную голову, нормализационные слои и vision tower, работают в BF16. Квантование выполнено с помощью AutoRound методом SignRound после калибровки на текстах и исходном коде. В README упоминается архитектура с 16 слоями full attention и 48 слоями linear attention/GDN. Для обслуживания проверена связка vLLM с GPTQ-Marlin и поддерживается MTP speculative decoding; в тестовой конфигурации указан максимальный контекст до 262144 токенов.

Сильной стороной является небольшая потеря относительно BF16-источника: на указанном тесте согласие top-1 составило примерно 97,2–97,7%, а разница NLL была +0,0022. Ограничения включают зависимость от совместимого стека vLLM и аппаратного обеспечения, а также отсутствие в README результатов прикладных бенчмарков, точного описания языковой поддержки и детальной оценки качества vision-возможностей. 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

Qwen3.8-27B-Uncensored INT8 AutoRound (W8A16, linear attention BF16, group size 128)

INT8 weight-only quantization of orcarouter/Qwen3.8-27B-Uncensored with AutoRound (SignRound), following the recipe of Minachist/Qwen3.8-27B-INT8-AutoRound branch linear-attn-bf16-gs128, with two changes: linear attention is excluded from tuning (not swapped back to BF16 after the fact), and 500 iters instead of 250.

TensorsPrecision
self_attn.{q,k,v,o}_proj (16 full-attention layers), mlp.{gate,up,down}_proj (64 layers), MTP block projectionsINT8 symmetric, group_size 128
linear_attn.{in_proj_qkv,in_proj_z,out_proj,in_proj_a,in_proj_b} (48 GDN layers), embed_tokens, lm_head, mtp.fc, norms, vision towerBF16

263 INT8 linears / 354 BF16 linears. Format: auto_round:auto_gptq packing (vLLM loads it via GPTQ-Marlin with BF16 activations).

Recipe

AutoRound main @ b9f3d0079d014c73a1ff009800c597b9bc3f2a36 (version string 0.15.0), transformers 5.15.1, torch 2.13.0+cu130, one RTX PRO 6000 Blackwell. scheme="W8A16" (bits 8, group_size 128, sym), iters=500, nsamples=1024, seqlen=2048, batch_size=4, gradient_accumulate_steps=2, low_gpu_mem_usage=False, seed=42. Calibration: 256 samples built from NeelNanda/pile-10k + 768 from codeparrot/github-code-clean (documents concatenated so every sample is >= 2048 tokens, then truncated to 2048). Every layer is named in full in layer_config (avoids AutoRound's shared-dict regex aliasing bug). Tuning took 1.26 h.

KL divergence vs the BF16 source

Teacher-forced top-24 logprobs on one 128,000-token wikitext-103 stream (rows 100k+ of the train split), one sequence, BF16 KV cache, vLLM 0.27.1, KL(P_bf16 || Q_int8) in nats over the truncated top-24. These numbers are only comparable to other models scored with the same script, stream and teacher.

depthnKL meanKL p50KL p99top-1 agreementΔNLL
0k-4k3,9990.001890.000560.023997.67%+0.0038
4k-16k12,0000.003630.000780.033897.51%+0.0011
16k-48k32,0000.002640.000850.029397.22%+0.0019
48k-128k80,0000.003200.000880.033897.28%+0.0022

Own NLL: BF16 1.8244, INT8 1.8265. For reference, the same script on Qwen/Qwen3.8-27B gives FP8 (Qwen/Qwen3.8-27B-FP8) KL 0.0048 / top-1 96.5% and Minachist's INT8 0.0029 / 97.2%.

Serving

vllm serve <this-repo> --tensor-parallel-size 2 --max-model-len 262144 --trust-remote-code

Tested with vLLM 0.27.1 (Using MarlinLinearKernel for AutoGPTQLinearMethod). MTP speculative decoding: --speculative-config '{"method":"mtp","num_speculative_tokens":3}'.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
7912c7e

0 моделей