/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-35B-A3B
Библиотека
transformers
Опубликована
10 апр 2026

Qwen3.5-35B-A3B-GGUF

Изображение и текст → текст15 профессий

Qwen3.5-35B-A3B-GGUF — это GGUF-квантизированная версия модели Qwen3.5-35B-A3B, разработанная ByteShape с использованием ShapeLearn.

1 718скачиваний за 30 дней33лайкавеса обновлены13 апр 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

ShapeLearn подбирает оптимальный тип данных для каждого тензора, стремясь сохранить качество при малой разрядности. Модель распространяется в вариантах для GPU и CPU с различными компромиссами между размером, скоростью и качеством; размер доступных вариантов в приведённой таблице составляет от 9,41 до 17,9 ГБ при 2,17–4,12 бит на вес.

Модель предназначена для текстовых и визуально-текстовых задач, включая диалоговое применение, программирование, агентные сценарии, function calling и обработку изображений. Она поддерживает vision-возможности при запуске через llama.cpp с автоматической загрузкой vision projector. Для работы рекомендуются llama.cpp или LM Studio; на момент публикации Ollama не поддерживает эту модель на базе Llama.cpp GGUF. В README не указаны языки и размер контекстного окна.

К сильным сторонам относятся доступность нескольких уровней квантизации, оптимизация под разные аппаратные платформы и заявленная ориентация на сохранение качества при низкой разрядности. Ограничения включают зависимость характеристик от выбранного варианта квантизации и оборудования, а также отсутствие в README подробных численных результатов benchmark-тестов для конкретных файлов. 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

Qwen3.5-35B-A3B GGUF (ShapeLearn Quantized)

This is a GGUF-quantized version of Qwen3.5-35B-A3B produced with ByteShape's ShapeLearn, which learns the optimal datatype per tensor to maintain high quality even at very low bitlengths.

To learn more about ShapeLearn and to see detailed benchmarks across GPUs, CPUs, and even the Raspberry Pi, please visit our blog.

We also prepared a tutorial on how to use these models for agentic coding: Opencode Tutorial.

If you have questions or want to share feedback, reach us on Reddit.

Quick Start

Pick a model from the tables below and click Get llama.cpp command to get a ready-to-run command with all the correct sampling parameters for this model.

You can also copy the Model Tag from the table and use it directly:

ToolCommand
llama.cppllama-server -hf <MODEL_TAG> --mmproj-auto

This is a vision capable model. llama.cpp auto-downloads the model and vision projector on first run.

Once you run the llama-server, you can access the web interface at http://localhost:<PORT>.

Note on Ollama: As of this release, Ollama does not support Qwen3.5-35B-A3B based on Llama.cpp GGUFs. We suggest using llama.cpp or LM Studio as an alternative.

How to Pick a Model

We provide CPU and GPU optimized variants for llama.cpp:

  • GPUs: optimized with a hybrid approach combining KQ and IQ quantization for better throughput.
  • CPUs: optimized with predominantly KQ quantization.

Each hardware target includes a range of models covering different size and quality tradeoffs.

The chart below shows quality versus tokens per second (TPS), with Unsloth used as the baseline for comparison. Quality is measured across seven benchmarks, including function calling: BFCL-V3, LiveCodeBench V6, HumanEval, GSM8K, IFEVAL and MMLU, and GSM8K_V in both thinking and instruct modes.

Selection rule: Choose the model with the highest quality at your target throughput or the fastest model that still meets your required quality.

GPU Models

Interactive plots for RTX 4090, 4080, 5090, 5060 Ti, and RTX Pro 6000 Blackwell are available here.

Note: Greyed-out models are better suited for other GPUs (see the blog). Stripped-infill models prioritize token generation speed over prompt processing and are also marked with a dagger (†) in the table below. GPU Benchmark - RTX 4090

Table sorted by model size (match the chart numbers to model IDs):

Model IDBits/WeightModel SizeUse This ModelModel Tag
GPU-12.179.41 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ2_S-2.17bpw.gguf
GPU-2†2.7311.8 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q3_K_S-2.73bpw.gguf
GPU-3†2.8912.6 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q3_K_S-2.89bpw.gguf
GPU-43.0113.0 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ3_S-3.01bpw.gguf
GPU-53.2614.1 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ3_S-3.26bpw.gguf
GPU-6†3.4014.7 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q3_K_S-3.40bpw.gguf
GPU-74.0617.6 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ4_XS-4.06bpw.gguf
GPU-84.1217.9 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ4_XS-4.12bpw.gguf

CPU Models

Interactive plots for Ryzen 9 5900X, Intel Core i7 12700KF, Ultra 7 265KF, and Raspberry Pi 5 (16 GB) are available here. CPU Benchmark - Ryzen 9 5900X

Table sorted by model size (match the chart numbers to model IDs):

Model IDBits/WeightModel SizeUse This ModelModel Tag
CPU-12.6911.7 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q3_K_S-2.69bpw.gguf
CPU-22.8912.6 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q3_K_S-2.89bpw.gguf
CPU-33.4014.7 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q3_K_S-3.40bpw.gguf
CPU-43.5115.2 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-Q4_K_S-3.51bpw.gguf
CPU-54.0617.6 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ4_XS-4.06bpw.gguf
CPU-64.1217.9 GBGet llama.cpp commandbyteshape/Qwen3.5-35B-A3B-GGUF:Qwen3.5-35B-A3B-IQ4_XS-4.12bpw.gguf

Notes on quantization labels

The labels you see (for example IQ4_XS) are only there to make Hugging Face show our models in the GGUF table. We do not use the conventional quantization profiles as defined in llama.cpp. In our case, these labels indicate the primary quantization approach and average bit length. Note that both KQ and IQ models may use a mix of quantization techniques optimized for their target hardware, which is why several models can share the same tag.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
07a18b0

0 моделей