/ Модель

Характеристики

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

Qwen3.6-35B-A3B-Cerebellum-GGUF

Генерация текстаТекст → текст15 профессий

Qwen3.6-35B-A3B-Cerebellum-GGUF — это квантизированная GGUF-версия модели Qwen/Qwen3.6-35B-A3B, разработанной Qwen.

2 644скачиваний за 30 дней12лайковвеса обновлены15 июн 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

Квантизацию выполнил deucebucket с использованием Cerebellum — метода чувствительной к качеству смешанной точности, который назначает разным группам весов разную разрядность. Модель построена по архитектуре MoE с 35 млрд параметров и примерно 3 млрд активных параметров; предназначена для генерации текста, диалогов, программирования и задач рассуждения.

Основной рекомендованный вариант занимает 14 ГБ, использует 3,34 бита на вес и рассчитан на эффективную работу с длинным контекстом свыше 160 тысяч токенов. Также доступен вариант v3 размером 11 ГБ с 2,76 битами на вес, ориентированный на минимальное потребление видеопамяти; для него заявлена поддержка обработки изображений через отдельный vision projector mmproj-F16.gguf. Модель запускается в стандартном llama.cpp без специальной модификации.

По приведённым локальным измерениям, рекомендованный вариант показывает 90,2% на HumanEval+, 93,3% на HumanEval, 95,8% нормированной точности на ARC-Challenge, 92,3% на HellaSwag и 75% на MMLU-Redux. К сильным сторонам относятся высокая эффективность смешанной квантизации, хорошие результаты в кодировании, длинный контекст и возможность запуска на видеокарте с 24 ГБ памяти. Ограничения связаны с потерями качества, неизбежными при экстремальной квантизации, различиями возможностей вариантов и тем, что заявленные результаты получены в локальном запуске на RTX 3090 и не являются независимой валидацией.

Модель распространяется по лицензии Apache-2.0. Для запуска требуются совместимые сборки llama.cpp и, при использовании визуального варианта, отдельный файл vision projector.

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

Qwen 3.6 35B-A3B — Cerebellum GGUF

Sensitivity-guided mixed-precision quantization of Qwen/Qwen3.6-35B-A3B. Cerebellum measures which weight groups survive extreme compression and which don't, then writes a single GGUF with per-tensor precision assignments — a standard GGUF that runs on stock llama.cpp, no fork.

VariantFileSizeBPWBest for
14 GB (recommended)Qwen3.6-35B-A3B-Cerebellum-14GB.gguf14.0 GB3.34best coding, 160K+ context
v3 (smallest)Qwen3.6-35B-A3B-Cerebellum-v3-Q3_K_M.gguf11 GB2.76tightest VRAM, vision

Evaluations

Coding — upstream EvalPlus (evalplus.codegen against llama-server, greedy / temp 0, n=164), same protocol across the size ladder:

buildsizeHumanEvalHumanEval+
micro11.96 GB90.987.2
14 GB (recommended)14.0 GB93.390.2
uniform Q3_K_M16.0 GB91.589.0
Base17.3 GB92.789.0

Long-context: needle recall passes to 90K+ (verify-stress). Throughput: ~168 tok/s decode (3B-active MoE); fits 160K+ context at ~19 GB on a 24 GB card. Per-question artifacts in benchmark_results/14gb/.

Why the 14 GB over v3

v3 (11 GB) is the tightest-VRAM build. The 14 GB spends ~3 GB more to promote the routed ffn_down_exps to Q4_K — the group the ablation identifies as where the quality lives — and that gives it the family's best coding plus 160K+ context headroom. It posts above the 16 GB uniform Q3_K_M (−2 GB) and matches the 17.3 GB Base (−3.3 GB): the Base's extra promotions buy ~0 coding, so 14 GB is the efficient point. Pick v3 only when VRAM is tight or you need the vision projector.

Usage

# 14 GB (recommended)
llama-server -m Qwen3.6-35B-A3B-Cerebellum-14GB.gguf -ngl 99 -fa on --reasoning off

# v3 (smallest, with vision)
llama-server -m Qwen3.6-35B-A3B-Cerebellum-v3-Q3_K_M.gguf --mmproj mmproj-F16.gguf -ngl 99 -c 8192

Files

FileSizeNotes
Qwen3.6-35B-A3B-Cerebellum-14GB.gguf14 GBrecommended — best coding, 160K+ ctx
Qwen3.6-35B-A3B-Cerebellum-v3-Q3_K_M.gguf11 GBsmallest; vision (with mmproj)
mmproj-F16.gguf858 MBvision projector (F16)
benchmark_results/—per-question evaluation artifacts
ablation/—ablation logs + tensor override maps

Methodology

Built with Cerebellum — sensitivity-guided mixed-precision quantization: crush each tensor group, measure the impact, allocate precision under a size budget, output a plain GGUF. imatrix-calibrated. Quantized by @deucebucket.

Independent records

This line has a recorded data point in club-3090's BENCHMARKS (author-rig numbers from a full report.sh --full chain). The same report corrected their engine-support table for this model (issue #390, PR #393). Numbers there are author-reported, not club-validated.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
67dd37f

0 моделей