/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B-DFlash2
Опубликована
26 авг 2026

Qwen3.8-27B-DFlash2-NVFP4-GGUF

Генерация текстаТекст → текст3 профессии

Экспериментальная NVFP4-квантизированная GGUF-черновая модель для спекулятивного декодирования с Qwen3.8-27B.

638скачиваний за 30 дней3лайкавеса обновлены26 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 «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

Это экспериментальная конверсия черновой модели Qwen3.8-27B-DFlash2 в формат GGUF с квантизацией NVFP4, опубликованная costanzopadovano. Она предназначена для спекулятивного декодирования вместе с целевой моделью Qwen3.8-27B и совместимым экспериментальным runtime на базе llama.cpp; самостоятельно заменять целевую модель она не может. Файл весит около 1,02 ГиБ.

Артефакт рассчитан на ускорение генерации за счёт подготовки черновых токенов для целевой модели и экономии видеопамяти. Проверка проведена на специфичной для оборудования конфигурации с двумя RTX 5060 Ti по 16 ГБ и контекстом целевой модели 153 600 токенов; это не заявленный собственный контекст черновой модели. Измерения показали экономию памяти, но не подтверждают стабильное ускорение: результат зависит от содержимого промпта и принятия черновых токенов, а в некоторых тестах наблюдалась высокая вариативность.

Модель основана на z-lab/Qwen3.8-27B-DFlash2 и распространяется по лицензии Apache-2.0. В README артефакт назван экспериментальным; для работы нужны целевая Qwen3.8-27B и совместимый runtime.

Сценарии применения

  • ускорение генерации Qwen3.8-27B посредством спекулятивного декодирования
  • снижение расхода видеопамяти на черновую модель при инференсе
  • экспериментальная проверка спекулятивного декодирования в совместимом llama.cpp runtime

Ограничения

Не является самостоятельной заменой целевой Qwen3.8-27B и требует совместимого runtime. Ускорение не гарантировано: эффективность зависит от промпта и доли принятых черновых токенов, а тесты показали высокую вариативность.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-27B DFlash2 NVFP4 GGUF

This repository publishes an experimental NVFP4 GGUF conversion of the z-lab/Qwen3.8-27B-DFlash2 speculative draft model. It is intended to draft for Qwen3.8-27B targets; it is not a standalone replacement for the 27B target model.

The source weights are pinned to revision 50307d4c4cde6860d4eee73e2547cd786fe8e8a4. The source model.safetensors SHA-256 is 67fc76d68dc5a9415511a4f394ef744d67510cd20e93b37cc2cc7d28e4bab65c; the same payload hash is present in both public source revisions inspected on 2026-08-26.

File

FileBytesSHA-256Tensor layout
Qwen3.8-27B-DFlash2-NVFP4.gguf1,094,346,0169bd8926d7d5701cee1f673dbab9e6359a739cbbfc348cb78966e8a01df8e986349 NVFP4 + 32 F32

The file is approximately 1.02 GiB, 46.8% smaller than the tested Q8_0 draft and about 4.3% smaller than the tested Q4_K_M draft.

QVIR-1 R2 runtime

This artifact was validated with the experimental QVIR-1 R2 llama.cpp runtime:

Stock llama.cpp builds may not support the DFlash2, bounded-prefill, ngram-mod, Qwen3.8 tool-trigger, and experimental NVFP4 dispatch options used by this profile.

Download

hf download costanzopadovano/Qwen3.8-27B-DFlash2-NVFP4-GGUF \
  Qwen3.8-27B-DFlash2-NVFP4.gguf \
  --local-dir qwen38-dflash2-nvfp4

The paired analytical target and vision projector are available at costanzopadovano/Qwen3.8-27B-NVFP4-Q8-Hybrid-Analytical-GGUF.

Validated settings

The QVIR-1 R2 150K profile used:

--spec-type ngram-mod,draft-dflash
--spec-draft-n-max 4
--spec-draft-n-min 0
--spec-draft-p-min 0.55
--spec-draft-dflash-prefill-tail 16384
--spec-draft-type-k q8_0
--spec-draft-type-v q8_0

The complete, hardware-specific profile is linked above. It used a 153,600-token target context, Q8_0 target K/V cache, and two RTX 5060 Ti 16 GB GPUs.

Measured behavior and limitations

With a Q4_K_XL target at long context, the NVFP4 draft saved approximately 0.90 GiB compared with Q8_0 while keeping long-context decode close to the Q8_0 result. The experimental Blackwell MMQ dispatcher was proven active, but the available sample does not establish a repeatable kernel-only speedup.

With the analytical NVFP4/Q8 Hybrid target, acceptance and throughput depend strongly on prompt content and speculative acceptance. The R2 tool-heavy benchmark showed high sample variance. This draft should therefore be treated as a VRAM-efficient experimental artifact, not as a guaranteed acceleration.

License and attribution

The source checkpoint is Apache-2.0. This derivative GGUF is distributed under the same license. See NOTICE.md for upstream attribution. DFlash2, Qwen, llama.cpp, Z-Lab, and related names remain the property of their respective authors.

Citation

Please cite the upstream DFlash2 and DFlash work as requested by the source authors, and cite the conversion/runtime record when using this artifact:

Costanzo Padovano. Qwen3.8-27B NVFP4 Analytical Inference Laboratory, 2026.
https://github.com/CostanzoPadovano/qwen38-nvfp4-analytical-lab

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
7a2989d

0 моделей