/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
66,9 ГБ
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.6-27B
Опубликована
26 июн 2026

Qwen3.6-34B-80L-Fable-5-Heretic

Изображение и текст → текст15 профессий

Производная модели hiebo/Qwen3.6-34B-80L-Fable-5-Heretic. Дообученная мультимодальная модель Qwen примерно на 34 млрд параметров для диалогов, рассуждений, использования инструментов и работы с изображениями.

16скачиваний за 30 дней0лайковвеса обновлены26 июн 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

Карточка модели darkneighbor667/Qwen3.6-34B-80L-Fable-5-Heretic на Hugging Face совпадает с карточкой hiebo/Qwen3.6-34B-80L-Fable-5-Heretic, поэтому описание составлено по ней.

Qwen3.6-34B-80L-Fable-5-Heretic — мультимодальная модель семейства Qwen от hiebo, дообученная на основе Qwen/Qwen3.6-27B. По карточке, модель расширена с 64 до 80 слоёв и примерно 34 млрд параметров, обучена методом дистилляции на 4 665 агентных трассах Fable-5 с применением QLoRA, а затем объединена с головами MTP для спекулятивного декодирования. Архитектура — Qwen3_5ForConditionalGeneration; заявлены чередование линейного и полного внимания, чат и работа с изображениями.

Модель предназначена для диалоговых сценариев с рассуждениями и использованием инструментов, а также для задач, где нужно совместно обрабатывать текст и изображения. В README указаны запуск через Transformers и vLLM и максимальная длина контекста 256K; конфигурация запуска по умолчанию задаёт 4096 токенов. Карточка заявляет ускорение генерации с MTP, но приводит показатель принятия токенов и ускорение только для vLLM. Модель опубликована в формате safetensors; README описывает BF16-веса. Лицензия в предоставленных данных не указана.

Сценарии применения

  • диалог с моделью по текстовым запросам
  • анализ изображений с ответом на вопросы
  • решение задач с пошаговыми рассуждениями
  • вызов инструментов в агентных сценариях
  • ускоренная генерация текста через спекулятивное декодирование в vLLM

Ограничения

Заявления о качестве рассуждений и ускорении основаны на карточке модели; независимые оценки в предоставленных данных отсутствуют. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

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

Qwen3.6-34B-80L-Fable-5-Heretic

Fable-5 distilled Qwen3.6 80-layer deep reasoning model.

Built on the Qwen3.6-27B (64-layer, original) base, extended to 80 layers (~34B parameters) and distilled from Fable-5 Agentic Traces. Fine-tuned via QLoRA (4-bit NF4, rank=64) on 4,665 Fable-5 Chain-of-Thought trajectories, then merged with MTP speculative decoding heads.

Model Card

PropertyValue
Base modelQwen3.6-27B (64-layer, original) → Qwen3.6-34B-80L-BF16-v2
ArchitectureQwen3_5ForConditionalGeneration
Parameters~34B (80 layers, hidden=5120)
Attention heads24 (4 KV Grouped)
Context length262,144 (256K)
Vocabulary size248,320
Attention modeHybrid Linear/Full (full every 4 layers)
MTP speculative decoding✅ (15 mtp weights)
PrecisionBF16

Distillation Data

ItemValue
Data sourceGlint-Research/fable-5-traces
Samples4,665 entries
ContentFable-5 Agentic CoT trajectories (context + completion)
Training configQLoRA rank=64, α=64, 2 epochs, lr=2e⁻⁴, max_len=4096

Training Details

  • Quantization: bitsandbytes 4-bit NF4 + double quantization (QQ)
  • LoRA targets: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj, and MoE projection layers
  • Optimizer: paged_adamw_8bit, cosine schedule, 5% warmup
  • Gradient checkpointing: enabled (use_reentrant=False)
  • Effective batch size: 4 × 4 = 16

Key Features

  1. Fable-5 deep reasoning — Inherits Fable-5's CoT chain-of-thought reasoning and tool-use patterns.
  2. 80-layer efficient architecture — Stronger expressiveness at 34B parameters with 80 layers.
  3. Hybrid attention — Alternating Linear/Full design for higher inference efficiency on long sequences.
  4. MTP speculative decoding — Native MTP weights; vLLM deployment achieves ~78% acceptance rate, 2× throughput.
  5. BF16 full precision — MergeLoRA merged without quantization loss, ready for deployment and re-fine-tuning.

Quick Start

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "hiebo/Qwen3.6-34B-80L-Fable-5-Heretic"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

prompt = "What is quantum computing?"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

vLLM Launch Configuration

vllm serve hiebo/Qwen3.6-34B-80L-Fable-5-Heretic \
    --dtype bfloat16 \
    --max-model-len 262144 \
    --enforce-eager \
    --gpu-memory-utilization 0.95 \
    --swap-space 16 \
    --disable-log-stats

Supported Parameters

ParameterDefaultDescription
--model(required)Model ID or local path
--dtypeautoData type: bfloat16, float16, float32, auto
--max-model-len4096Maximum context length (supports 256K)
--max-num-seqs256Maximum number of concurrent sequences
--gpu-memory-utilization0.90Fraction of GPU memory to use (0–1)
--swap-space4CPU swap space in GB
--tensor-parallel-size1Tensor parallelism degree (multi-GPU)
--pipeline-parallel-size1Pipeline parallelism degree
--enforce-eagerFalseForce PyTorch eager mode (recommended for BF16 models)
--disable-log-statsFalseDisable statistics logging
--served-model-nameNoneOverride served model name
--port8000API server port
--host0.0.0.0API server host
--tokenizer-modeautoTokenizer mode: auto, slow, mistral
--quantizationNoneQuantization: fp8, awq, gptq, squeezellm
--load-formatautoLoad format: auto, sharded_state, safetensors, npcache
--kv-cache-dtypeautoKV cache data type: auto, float16, bfloat16
--enable-chunked-prefillFalseEnable chunked prefill for long sequences
--max-num-batched-tokensNoneMax batched tokens per step
--seed0Random seed for reproducibility
--distributed-executor-backendrayDistributed backend: ray, mp, mp_rank
--trust-tokenizersFalseTrust remote tokenizer files
--revisionmainModel revision (branch/tag/commit)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
0336299

0 моделей