/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-9B
Библиотека
gguf
Опубликована
15 авг 2026

Qwen3.8-9B-Distill-GGUF

Генерация текстаТекст → текст14 профессий

empero-ai/Qwen3.8-9B-Distill-GGUF — набор GGUF-квантизаций модели, разработанной Empero. Это дистилляция крупной Qwen3.8 2.4T A95B в архитектуру Qwen3.5-9B, предназначенная для генерации текста и запуска в llama.cpp, Ollama, LM Studio, Jan, KoboldCpp и других совместимых средах.

564 тыс.скачиваний за 30 дней302лайкавеса 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

Указан английский язык; поддерживаемые модальности и размер контекста в карточке не уточняются.

Модель имеет гибридную архитектуру Qwen3.5 с тремя слоями Gated DeltaNet на каждый слой полной attention-механики и ориентирована на reasoning-сценарии. В карточке приведены варианты от Q4_K_M размером 5,780 GB до BF16 размером 18,407 GB; рекомендуемым считается Q4_K_M как оптимальный баланс качества и объёма. Для работы требуется современная сборка llama.cpp с поддержкой Qwen3.5 и Gated DeltaNet. Модель использует встроенный шаблон чата и формирует рассуждения в блоках <think>, которые при необходимости следует удалять из пользовательского вывода.

По заявленным оценкам исходной модели, дистилляция заметно улучшает результат на MMLU по сравнению с базовой Qwen3.5-9B, однако немного уступает ей на GSM8K. К ограничениям относятся необходимость совместимого рантайма, потребность в дополнительной памяти под KV-кэш при длинном контексте и отсутствие в этой карточке подробных бенчмарков и рекомендаций по применению. Веса распространяются по лицензии Apache-2.0.

Для каких профессий подходит14

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

Qwen3.8-9B — GGUF

Developed by Empero

GGUF quantizations of empero-ai/Qwen3.8-9B — a full-parameter distillation of Qwen3.8 2.4T A95B into the Qwen3.5-9B 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):

TaskQwen3.5-9B (base)Qwen3.8-9BΔ
mmlu (CoT, 57 subjects)0.5460.751+0.205
gsm8k_cot0.8850.870−0.015

[!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

FileQuantSizeNotes
Qwen3.8-9B-Q4_K_M.ggufQ4_K_M5.780 GBRecommended. Best quality/size balance for most users.
Qwen3.8-9B-Q5_K_M.ggufQ5_K_M6.643 GBHigher quality, still fits an 8 GB card at short context.
Qwen3.8-9B-Q6_K.ggufQ6_K7.559 GBNear-lossless.
Qwen3.8-9B-Q8_0.ggufQ8_09.786 GBHighest-quality quantization.
Qwen3.8-9B-BF16.ggufBF1618.407 GBFull 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:

QuantGuidance
Q4_K_M / Q5_K_MComfortable on 8–12 GB cards for everyday use.
Q6_K / Q8_012–16 GB recommended.
BF1624 GB+.

Usage

llama.cpp

llama-cli -m Qwen3.8-9B-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/Qwen3.8-9B, a distillation of Qwen3.8 2.4T A95B into Qwen/Qwen3.5-9B trained on ~70,000 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

Sign up for the Empero newsletter at empero.org for releases, evals, and research notes.

Support / Donate

If this model helped you, consider supporting the project:

  • BTC: bc1qx6zepu6sfkvshgdmc4ewu6pk6rpadvpgffpp7v
  • LTC: ltc1qv2mefzps2vtjcpwfx8xxdrpplrcvltswm68r7x

Acknowledgements

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
760121c

0 моделей