/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B
Библиотека
transformers
Опубликована
19 мая 2026

Qwen3.6-35B-A3B-GGUF

Изображение и текст → текст15 профессий

Qwen3.6-35B-A3B-GGUF — это GGUF-квантизированная версия модели Qwen3.6-35B-A3B, разработанной командой Qwen и подготовленной ByteShape с использованием ShapeLearn.

8 580скачиваний за 30 дней41лайквеса обновлены19 мая 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

Метод ShapeLearn выбирает тип данных для каждого тензора, чтобы сохранять высокое качество при малой разрядности. Модель предназначена для локального запуска и инференса через llama.cpp или LM Studio, включая сценарии, требующие обработки текста и изображений.

Модель относится к семейству с обозначением 35B-A3B; README не раскрывает точную архитектуру, размер контекста и поддерживаемые языки. Доступны варианты, оптимизированные для GPU и CPU: GPU-версии используют IQ-квантизацию, а CPU-версии — преимущественно KQ-квантизацию. Размер файлов составляет примерно от 9,42 до 18 ГБ для GPU-вариантов и от 11,7 до 14,7 ГБ для указанных CPU-вариантов, при диапазоне 2,17–4,15 бит на вес.

Сильными сторонами являются поддержка vision-сценариев, возможность локального запуска на различном оборудовании и выбор между качеством, размером и скоростью инференса. Ограничения включают зависимость производительности от конкретного варианта и оборудования, а также отсутствие поддержки этой GGUF-модели в Ollama на момент публикации README. 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

Qwen3.6-35B-A3B GGUF (ShapeLearn Quantized)

This is a GGUF-quantized version of Qwen3.6-35B-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.

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 Qwen3.6-35B-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:

  • CPUs: Models labeled as KQ (Q*_K), optimized for CPU inference with predominantly KQ quantization.
  • GPUs: Models labeled as IQ, optimized for GPU inference with a hybrid approach combining KQ and IQ quantization for better throughput.

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 several providers used as the baseline for comparison. Quality is measured across six benchmarks, including function calling: BFCL-V3, LiveCodeBench V6, HumanEval, GSM8K, IFEVAL, 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, 5060Ti, 5090, and RTX Pro 6000 Blackwell are available here.

GPU Benchmark - RTX 4090

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

Model IDBits/WeightModel SizeUse This ModelModel Tag
GPU-12.179.42 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-IQ2_S-2.17bpw
GPU-23.0013 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-IQ3_S-3.00bpw
GPU-33.4815.1 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-IQ3_S-3.48bpw
GPU-43.9317 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-IQ4_XS-3.93bpw
GPU-54.1518 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-IQ4_XS-4.15bpw

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/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-Q3_K_S-2.69bpw
CPU-22.7111.7 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-Q3_K_S-2.71bpw
CPU-33.3914.7 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-Q3_K_S-3.39bpw
CPU-43.8016.5 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-Q4_K_S-3.80bpw
CPU-54.2218.3 GBGet llama.cpp commandbyteshape/Qwen3.6-35B-A3B-GGUF:Qwen3.6-35B-A3B-Q4_K_S-4.22bpw

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
57f6dec

0 моделей