/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
18,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
vllm
Опубликована
15 авг 2026

Qwen3.8-27B-int4-AutoRound

Изображение и текст → текст15 профессий

Qwen3.8-27B-int4-AutoRound — мультимодальная версия базовой модели Qwen/Qwen3.8-27B, подготовленная пользователем devan-carlin с использованием Intel AutoRound.

1 412скачиваний за 30 дней5лайковвеса обновлены30 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 «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

Модель предназначена для генерации текста, решения математических и логических задач, программирования, работы с алгоритмами, а также анализа изображений и текстовых запросов.

Модель содержит 27 млрд параметров и использует архитектуру qwen3_5 с 64 слоями и чередованием линейного и полноформатного внимания в соотношении 3:1. Поддерживается контекст длиной до 256K токенов. В репозитории присутствует vision tower Qwen3-VL, поэтому модель работает как в текстовом, так и в мультимодальном режиме. Квантизация выполнена в INT4 с помощью AutoRound, с размером группы 128 и симметричным представлением; отдельные компоненты сохранены в 16-битной точности.

Основное преимущество — существенное снижение объёма памяти: около 18 ГБ против примерно 52 ГБ для BF16, а также более высокая скорость генерации на конфигурации из четырёх Intel Arc Pro B70. В заявленном тесте скорость составила 47,8 токена в секунду против 30,2 у BF16, при сопоставимом качестве на математических, логических, алгоритмических и программных запросах. Ограничением является более многословная генерация INT4-версии, из-за чего при длинных ответах может потребоваться увеличить параметр max_tokens. Для запуска рекомендуется vLLM с tensor parallelism; на XPU/ARK может потребоваться исправление qzeros guard для загрузки симметричных INT4-весов.

Модель распространяется по лицензии Apache-2.0, как и базовая модель.

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 INT4 (AutoRound)

INT4 quantization of Qwen/Qwen3.8-27B, produced with Intel AutoRound.

  • Base model: Qwen/Qwen3.8-27B (Apache-2.0)
  • Quantization: AutoRound, INT4, group size 128 (w4g128), symmetric, with 16-bit exceptions for linear_attn.in_proj_a/b and mtp.fc
  • Size: ~18 GB (vs ~52 GB for BF16)
  • Context: 256K
  • Architecture: qwen3_5 (Qwen3_5ForConditionalGeneration), 64 layers, 3:1 linear:full attention

Why

Runs a 27B dense model on 4x Intel Arc Pro B70 (32 GB each) with vLLM tensor parallelism. INT4 fits comfortably and runs faster than BF16 on this hardware.

Load with vLLM

vllm serve devan-carlin/Qwen3.8-27B-int4-AutoRound \
  --quantization auto-round \
  --tensor-parallel-size 4 \
  --max-model-len 262144 \
  --kv-cache-dtype fp8 \
  --enable-prefix-caching \
  --gpu-memory-utilization 0.85 \
  --trust-remote-code

Note: loading symmetric INT4 checkpoints with empty-qzeros layers on the XPU/ARK path requires the qzeros guard fix (vllm PR #52428). Without it, symmetric layers crash with a copy_() shape mismatch during weight loading.

Benchmark (4x Intel Arc Pro B70, TP=4, max_tokens=16384)

ModelGen speedNotes
INT4 (this repo)47.8 tok/s18 GB
Qwen3.8-27B BF1630.2 tok/s~52 GB
  • 58% faster than BF16
  • Quality parity on math, logic, algorithm, and code prompts (identical final answers)
  • INT4 reasons more verbosely (more completion tokens), so on very long outputs it can hit a fixed max_tokens cap earlier — raise the cap if needed

Quantization details

  • Method: AutoRound (Intel)
  • Bits: 4, group size: 128, symmetric
  • Only model.language_model.layers is quantized to INT4; embeddings, lm_head, the MTP head, and the vision tower stay in their original precision (model stays MTP-capable)
  • Within the quantized layers, linear_attn.in_proj_a/b are kept 16-bit

License

Apache-2.0 (same as the base model).

Notes

  • Multimodal. The repo ships the Qwen3-VL vision tower (model.visual.*) plus processor configs, and the vLLM Qwen3_5ForConditionalGeneration port loads it. Send images as image_url content parts (base64 or URL); text-only prompts work unchanged.

Quantized and benchmarked by devan-carlin on 4x Intel Arc Pro B70 (XPU).

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
5efb20f

0 моделей