/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
transformers
Опубликована
24 авг 2026

Qwen3.8-27B-Uncensored-W4A16

Изображение и текст → текст15 профессий

desva0/Qwen3.8-27B-Uncensored-W4A16 — квантизированная версия мультимодальной модели Qwen3.8-27B, разработанной командой Qwen.

488скачиваний за 30 дней0лайковвеса обновлены8 сен 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

Репозиторий содержит сборку OrcaRouter с удалённым встроенным поведением отказа, дополнительно преобразованную в формат W4A16. Модель предназначена для работы с текстом и изображениями, поддерживает английский и китайский языки, рассуждения и вызов функций.

Модель использует архитектуру Qwen3_5ForConditionalGeneration и содержит около 27 млрд параметров в исходной версии. Применена 4-битная симметричная квантизация весов с размером группы 128 в формате compressed-tensors pack-quantized; визуальные линейные слои сохранены в более высокой точности для поддержания возможностей анализа изображений. Размер весов составляет примерно 15 ГБ, благодаря чему модель рассчитана на запуск на одной видеокарте с 24 ГБ памяти, например RTX 3090. В README указана возможность использования контекста до 32768 токенов при настройке vLLM, причём фактическая длина зависит от доступной памяти под KV-кэш.

К сильным сторонам относятся сочетание текстовых и визуальных возможностей, поддержка function calling и возможность локального запуска на потребительском GPU. Ограничения связаны с потерями точности, возможными для 4-битной квантизации, зависимостью от совместимой версии vLLM и формата compressed-tensors, а также с отсутствием встроенного поведения отказа: модель может выполнять запросы, которые согласованная модель отклонила бы, поэтому ответственность за защитные меры и корректное применение лежит на пользователе. Модель распространяется по лицензии Apache-2.0; при перераспределении необходимо сохранять лицензию и атрибуцию.

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

Qwen3.8-27B-Uncensored — W4A16 (RTX 3090 build)

A 4-bit weight-only (W4A16) quantization of the uncensored / abliterated Qwen3.8-27B vision-language model, sized to run on a single 24 GB GPU (e.g. RTX 3090).

This is the exact quant used to serve an agentic assistant ("Sage") live on an RTX 3090 in day-to-day use, so it's known to load and run under vLLM on consumer 24 GB hardware — not just a theoretical export.

What it is

  • Base model: Qwen3.8-27B (VL, function-calling, reasoning), architecture Qwen3_5ForConditionalGeneration.
  • Uncensoring: the refusal-removed ("abliterated") build published by OrcaRouter under Apache-2.0. This repo is a quantization of that build.
  • Quantization: 4-bit weight-only, produced with AutoRound and exported in the compressed-tensors pack-quantized format:
    • num_bits: 4, type: int, symmetric: true, group_size: 128, strategy: group
    • Vision-tower linears are kept at higher precision (listed under ignore), so image understanding is preserved.
  • Footprint: ~15 GB of weights → fits comfortably in 24 GB with room for KV cache at a useful context length.

Serving with vLLM

vllm serve <path-or-repo>/Qwen3.8-27B-Uncensored-W4A16 \
  --host 0.0.0.0 --port 8000 \
  --served-model-name qwen3.8-27b \
  --gpu-memory-utilization 0.90 \
  --max-model-len 32768 \
  --enable-auto-tool-choice --tool-call-parser hermes

Then hit the OpenAI-compatible endpoint at http://localhost:8000/v1. Adjust --max-model-len to trade context length against KV-cache memory on a 24 GB card. A recent vLLM with compressed-tensors support is required.

Provenance & attribution

  • Qwen — the Qwen3.8-27B base model (© the Qwen team).
  • OrcaRouter — the Apache-2.0 abliterated build this repo quantizes.
  • This repo — 4-bit W4A16 (compressed-tensors) quantization for 24 GB GPUs.

License

Apache-2.0, inherited from the upstream abliterated build. See the bundled LICENSE. You must retain the license and attribution when redistributing.

Responsible use

This is an uncensored / abliterated model: its built-in refusal behaviour has been removed, so it will attempt requests an aligned model would decline. You are responsible for how you deploy it, for any guardrails you add, and for compliance with the laws and platform rules that apply to you.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
1542e8d

0 моделей