Характеристики

Лицензия: Apache 2.0
Базовая модель: Qwen3.8-4B
Библиотека: gguf
Опубликована: 15 авг 2026

Ссылки

Qwen3.8-4B-Distill-GGUF

Генерация текстаТекст → текст15 профессий

Qwen3.8-4B-Distill-GGUF — набор GGUF-квантизаций модели, разработанной Empero. Это полнопараметрическая дистилляция Qwen3.8 2.4T A95B в архитектуру Qwen3.5-4B, предназначенная для генерации текста и запуска в llama.cpp, Ollama, LM Studio, Jan, KoboldCpp и других совместимых средах.

545 тыс.скачиваний за 30 дней177лайковвеса обновлены16 авг 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

Модель ориентирована на рассуждения и использует встроенный шаблон чата; ответы начинаются с блока <think>, который при необходимости можно удалять перед показом пользователю.

Доступны варианты от Q4_K_M до BF16 размером примерно от 2,783 до 8,666 ГБ. Рекомендуемый Q4_K_M обеспечивает баланс качества и размера, а Q8_0 и BF16 дают более высокое качество при повышенных требованиях к памяти. Архитектура Qwen3.5 использует гибрид из слоёв Gated DeltaNet и полноценных attention-слоёв, поэтому требуется свежая версия llama.cpp с поддержкой Qwen3.5 и Gated DeltaNet. В карточке указаны английский язык и сценарий text-generation; размер контекста не заявлен.

По приведённым оценкам, модель заметно превосходит базовую Qwen3.5-4B в MMLU, но уступает ей в GSM8K CoT, поэтому качество зависит от типа задачи. Для Q4_K_M и Q5_K_M подходят видеокарты с 4–6 ГБ памяти, Q6_K и Q8_0 требуют примерно 6–8 ГБ, а BF16 — от 12 ГБ; при длинном контексте дополнительные ресурсы нужны для KV-кэша. Веса распространяются по лицензии Apache-2.0.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-4B — GGUF

Developed by Empero

GGUF quantizations of empero-ai/Qwen3.8-4B — a full-parameter distillation of Qwen3.8 2.4T A95B into the Qwen3.5-4B architecture — for llama.cpp, Ollama, LM Studio, Jan, KoboldCpp, and other stock GGUF runtimes.

This card is about choosing a file and running it. The capability writeup, full benchmark results, and best practices live on the main model card.

Headline results for the source model (CoT protocols, lm-evaluation-harness, identical settings base vs. student):

Task	Qwen3.5-4B (base)	Qwen3.8-4B	Δ
mmlu (CoT, 57 subjects)	0.354	0.553	+0.199
gsm8k_cot	0.850	0.785	−0.065

[!Note] Qwen3.5-class models are hybrids: three Gated DeltaNet layers for every full-attention layer. A recent llama.cpp build with Qwen3.5 / Gated DeltaNet support is required — older builds will fail to load the architecture.

Files

File	Quant	Size	Notes
`Qwen3.8-4B-Q4_K_M.gguf`	Q4_K_M	2.783 GB	Recommended. Best quality/size balance for most users.
`Qwen3.8-4B-Q5_K_M.gguf`	Q5_K_M	3.161 GB	Higher quality at a modest size increase.
`Qwen3.8-4B-Q6_K.gguf`	Q6_K	3.563 GB	Near-lossless.
`Qwen3.8-4B-Q8_0.gguf`	Q8_0	4.611 GB	Highest-quality quantization.
`Qwen3.8-4B-BF16.gguf`	BF16	8.666 GB	Full precision reference.

Sizes are exact decimal GB from the uploaded files (1 GB = 1,000,000,000 bytes).

What fits on a GPU?

Practical weight-size-based guidance at modest context — the KV cache is the dominant cost at long context and may require offload regardless of weight quant:

Quant	Guidance
Q4_K_M / Q5_K_M	Comfortable on 4–6 GB cards; strong CPU-only option as well.
Q6_K / Q8_0	6–8 GB recommended.
BF16	12 GB+.

Usage

llama.cpp

llama-cli -m Qwen3.8-4B-Q4_K_M.gguf \
  --temp 0.6 --top-p 0.95 --top-k 20 \
  -n 16384 -cnv

Use the built-in chat template (-cnv). The model is a reasoning model: every answer opens with a <think> block, so allow a generous -n and strip the <think>...</think> span for end users.

Ollama / LM Studio / Jan / KoboldCpp

Download the GGUF of your choice and load it directly; the chat template is embedded in the file. Recommended sampling: temperature=0.6, top_p=0.95, top_k=20.

Provenance & licensing

Quantizations of empero-ai/Qwen3.8-4B, a distillation of Qwen3.8 2.4T A95B into Qwen/Qwen3.5-4B trained on ~45,000 curated teacher traces from our internal Qwen3.8 distillation datasets. Weights are Apache-2.0, inherited from the Qwen base, shared as-is.

Stay in the loop

Support / Donate

If this model helped you, consider supporting the project:

BTC: bc1qx6zepu6sfkvshgdmc4ewu6pk6rpadvpgffpp7v
LTC: ltc1qv2mefzps2vtjcpwfx8xxdrpplrcvltswm68r7x

Acknowledgements

Developed and released by Empero
Base model: Qwen3.5-4B (Alibaba Qwen team)
GGUF quantization: llama.cpp (ggml-org)

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: 391fc7d