/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
mlx
Опубликована
14 авг 2026

Qwen3.8-27B-MLX-bf16-mtp

Изображение и текст → текст13 профессий

Мультимодальная конверсия Qwen3.8-27B для MLX и oMLX на Apple Silicon с поддержкой анализа изображений и видео и спекулятивного декодирования MTP.

166скачиваний за 30 дней2лайкавеса обновлены14 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

fcmeyer/Qwen3.8-27B-MLX-bf16-mtp — конверсия мультимодальной модели Qwen/Qwen3.8-27B в формат MLX bf16 для запуска через движок oMLX на компьютерах Apple Silicon. Веса сохранены без квантизации, включая головку MTP для спекулятивного декодирования Lightning-MTP; в модели также сохранена визуальная башня для анализа изображений и видео. Архитектура плотная, размер базовой модели — 27 млрд параметров.

Модель предназначена для диалогов и понимания изображений и видео. При запуске через oMLX можно включить MTP для ускорения генерации; автор сообщает о двукратном ускорении декодирования на M5 Max с 128 ГБ памяти, а также о проверке поиска по длинному контексту и привязки ответов к изображениям. README демонстрирует контекстное окно до 262 144 токенов в конфигурации oMLX.

Репозиторий содержит конвертированные веса, поэтому это не отдельное дообучение, а преобразование формата и точности исходной модели для MLX. Лицензия — Apache-2.0. Для запуска требуются Apple Silicon, oMLX и около 52 ГБ памяти под веса; измерения производительности относятся к конкретной конфигурации M5 Max.

Сценарии применения

  • диалоговое общение с моделью на Mac с Apple Silicon
  • ответы на вопросы по изображениям
  • анализ видеоматериалов
  • ускоренная генерация текста через MTP в oMLX
  • поиск нужных сведений в длинном контексте

Ограничения

Для запуска требуются Apple Silicon, движок oMLX и около 52 ГБ памяти под веса; приведённые показатели скорости измерены только на M5 Max с 128 ГБ памяти.

Для каких профессий подходит13

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-MLX-bf16-mtp

Full-precision bf16 MLX conversion of Qwen/Qwen3.8-27B with the native MTP (multi-token prediction) head preserved, built for the oMLX inference engine on Apple Silicon.

  • Complete VLM: vision tower included (image + video understanding).
  • MTP-preserved: all 15 mtp.* tensors kept (mtp_num_hidden_layers: 1), enabling Lightning-MTP speculative decoding in oMLX (mtp_enabled: true).
  • bf16 everywhere (~52 GB weights): no quantization; the Gated DeltaNet recurrent state self-promotes to fp32 internally at runtime, so bf16 storage is lossless in practice.
  • Norm convention: weights are in MLX's shifted (+1) RMSNorm convention, including all MTP-head norms — safe for oMLX's per-key convention detection (no double shift).

Conversion details

  • Converter: mlx_vlm.convert (mlx-vlm 0.6.3, mlx 0.32.0) run with oMLX 0.5.7's mlx_vlm_mtp patches applied (apply_mlx_vlm_mtp_runtime_patch() + apply_mlx_vlm_mtp_patch() before load), which is what preserves the MTP head — stock mlx_vlm.convert strips mtp.*.
  • dtype="bfloat16", quantize=False.
  • Source revision: 1d4bf0f2ff6012fd82039f2fa52739d0dd7c60c0.

Measured on an M5 Max (128 GB), oMLX 0.5.7

ConfigDecode speedNotes
MTP off~8.9 tok/splain bf16 decode
MTP on (depth 3)~20.3 tok/s (2.3×)71–89% draft acceptance, 2.5–3.2 tok/backbone-cycle

31K-token prompt prefills in ~40 s (GDN chunked Metal kernel path); needle retrieval and image grounding verified.

Usage with oMLX

Place under ~/.omlx/models/<org>/Qwen3.8-27B-MLX-bf16-mtp (or download via the oMLX admin dashboard), then enable MTP for the model:

"Qwen3.8-27B-MLX-bf16-mtp": { "mtp_enabled": true, "max_context_window": 262144 }

oMLX routes it to the VLM engine automatically and selects the Lightning MTP speculative backend. Sampling defaults from generation_config.json: temperature 1.0, top_p 0.95, top_k 20.

If you want a standalone drafter for oMLX's external vlm_mtp_enabled path instead, you can extract one from this checkpoint's source with python -m mlx_vlm.speculative.drafters.qwen3_5_mtp.split (emits model_type: qwen3_5_mtp, block_size: 3, ~830 MB). The in-checkpoint native path above is faster and is the recommended default.

The model also works with stock mlx-vlm ≥ 0.6.3 as a plain bf16 VLM (the mtp.* tensors are ignored by loaders that don't implement MTP).

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
fe34c8d

0 моделей