/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B-NVFP4-Fast
Опубликована
11 июл 2026

Qwen3.6-35B-A3B-NVFP4-Fast-GGUF

Изображение и текст → текст13 профессий

GGUF-конверсия Qwen3.6-35B-A3B-NVFP4-Fast для диалоговых и мультимодальных задач с текстом и изображениями в llama.cpp.

113скачиваний за 30 дней7лайковвеса обновлены15 июл 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 GGUF-копия модели unsloth/Qwen3.6-35B-A3B-NVFP4-Fast, преобразованная из исходного репозитория с помощью конвертера llama.cpp. Репозиторий публикует catlilface; модель предназначена для диалогов и задач с изображениями и текстом, включая агентные сценарии. В метаданных указаны архитектура Qwen, возможности чата и vision, а формат файлов — GGUF.

Карточка рекомендует запускать модель на GPU с актуальной сборкой llama.cpp; также возможно выполнение с выгрузкой части вычислений на CPU. В README приведены ориентировочные показатели скорости для нескольких конфигураций оборудования, но качество предлагается оценивать по материалам базовой модели. Лицензия — Apache-2.0.

Сценарии применения

  • диалог с пользователем по текстовым запросам
  • ответы на вопросы об изображениях
  • работа с изображениями и текстовыми инструкциями
  • выполнение агентных сценариев в llama.cpp

Ограничения

Для запуска требуется актуальная сборка llama.cpp версии b9957 или новее; производительность зависит от оборудования и настроек. В README нет собственных метрик качества, поэтому для них следует обратиться к карточке базовой модели.

Для каких профессий подходит13

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

Qwen 3.6 35B A3B NVFP4 Fast GGUF

About

This model is an unmodified GGUF quantization of unsloth/Qwen3.6-35B-A3B-NVFP4-Fast, made with the llama.cpp conversion tool. Please refer to unsloth repository for quality metrics. Your feedback, contributions, optimization proposals and questions are highly appreciated.

This GGUF is primarily intended to be run fully on the GPU without offloading to the CPU. However, you can absolutely run it with offloading. The relevant guides are provided in this repo.

Speed metrics

I've tested this model on my setup (5070 Ti 16GB, 5060 Ti 16GB, 32GB DDR5). Token generation and prefill speeds will vary depending on your hardware. Please use the metrics below as a rough estimate of your potential performance.

SetupToken generation, t/sPrompt prefill, t/s
5070ti + 5060ti~134.4~3462
5070ti + CPU~68.7~324
5060ti + CPU~51.0~161

Quick start

This GGUF requires a recent build of llama.cpp. If the commands below raise a compatibility error, please update your llama.cpp version. All commands have been tested on llama.cpp version b9957 - ensure your version is >=b9957.

Agentic tasks

docker run --rm \
  --runtime nvidia \
  --gpus 2 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -e HF_HUB_CACHE=/root/.cache/huggingface/hub \
  -p 8080:8080 \
  ghcr.io/ggml-org/llama.cpp:server-cuda13 \
  -hf catlilface/Qwen3.6-35B-A3B-NVFP4-Fast-GGUF \
  -np 1 \
  -ngl -1 \
  -c 256000 \
  --no-op-offload \
  --spec-type draft-mtp \
  --spec-draft-n-max 3

Speed-efficient

The token generation speeds listed below were achieved using varying prompt lengths, KV cache quantization, and the more powerful GPU 0. These optimizations simply let more computations to be done on 5070ti.

docker run --rm \
  --runtime nvidia \
  --gpus 2 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -e HF_HUB_CACHE=/root/.cache/huggingface/hub \
  -p 8080:8080 \
  ghcr.io/ggml-org/llama.cpp:server-cuda13 \
  -hf catlilface/Qwen3.6-35B-A3B-NVFP4-Fast-GGUF \
  -np 1 \
  -ngl -1 \
  -c 16000 \
  -ctk q8_0 \
  -ctv q8_0 \
  --tensor-split 2,1 \  # only for unequal gpus
  --no-op-offload \
  --spec-type draft-mtp \
  --spec-draft-n-max 3

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Ревизия весов
707047b

0 моделей