/ Модель

Характеристики

Контекст
262 144 токена
Параметры
7,2 млрд
Размер весов
7,8 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5_text · dense
Базовая модель
Huihui-Qwen3.5-9B-abliterated
Библиотека
transformers
Опубликована
28 мар 2026

Huihui-Qwen3.5-9B-abliterated-GPTQ-Pro-4bit-g64

Генерация текстаТекст → текст11 профессий

Huihui-Qwen3.5-9B-abliterated-GPTQ-Pro-4bit-g64 — это квантизированный GPTQ-Pro чекпойнт, опубликованный groxaxo на базе huihui-ai/Huihui-Qwen3.5-9B-abliterated.

446скачиваний за 30 дней3лайкавеса обновлены22 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 «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, локального или размещённого инференса, открытой оценки и воспроизводимых экспериментов. README указывает англоязычную конфигурацию и совместимость с Transformers, GPTQModel и vLLM при поддержке соответствующего формата и архитектуры.

Модель содержит около 9 миллиардов параметров в 4-битном представлении GPTQ-Pro с размером группы 64. Для квантизации использовались 128 калибровочных образцов. По сравнению с исходной моделью заявлены близкие показатели языкового моделирования: perplexity на Wikitext-2 составляет 9,6579 против 9,5234 у оригинала, средняя деградация — 1,41%, KL-дивергенция — 0,03423, совпадение наиболее вероятного следующего токена — 91,96%, а совпадение в топ-5 — 99,98%. Квантизация должна заметно снизить потребление памяти, однако фактические требования зависят от длины контекста, размера кэша, параллелизма и аппаратной конфигурации.

Сильной стороной модели является сохранение поведения исходного чекпойнта при более эффективном использовании памяти. Ограничения включают возможное изменение числового поведения, качества и пропускной способности после квантизации, а также необходимость проверять результаты на собственных задачах. Название базовой модели указывает на модифицированную или сниженную фильтрацию, но README не гарантирует одинаковое поведение для всех запросов. Лицензия обозначена как other; для условий использования и распространения необходимо изучить карточку базовой модели. Мультимодальность и размер контекста в README не указаны.

Для каких профессий подходит11

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

Huihui-Qwen3.5-9B-abliterated GPTQ-Pro 4bit (g64)

Overview

Huihui-Qwen3.5-9B-abliterated-GPTQ-Pro-4bit-g64 is a GPTQ-quantized checkpoint intended for efficient GPU inference, published by groxaxo. It is intended for open-source evaluation, reproducible experimentation, and compatible local or hosted inference workflows. The wording below is deliberately limited to what can be verified from this repository's metadata and artifacts.

The repository name identifies a behavior-modified or reduced-filtering lineage. That label describes the source or conversion history; it is not a guarantee of unrestricted behavior in every prompt or runtime. Test outputs carefully before sharing or deploying them.

At a glance

FieldDetails
FormatGPTQ
Source / basehuihui-ai/Huihui-Qwen3.5-9B-abliterated
Intended tasktext-generation
Licenseother

What is included

  • *.safetensors (2 files)
  • config.json
  • generation_config.json
  • tokenizer.json
  • tokenizer_config.json
  • chat_template.jinja
  • quantize_config.json
  • Additional configuration, tokenizer, processor, or shard files (10 visible artifacts total)

Quick start

vLLM (documented configuration)

vllm serve groxaxo/Huihui-Qwen3.5-9B-abliterated-GPTQ-Pro-4bit-g64 \
  --quantization gptq_marlin \
  --dtype float16 \
  --trust-remote-code

This command is taken from the repository documentation. Adjust tensor parallelism, context length, and cache settings to match your hardware and vLLM version.

Compatibility and responsible use

  • Use a runtime that explicitly supports this format, architecture, and modality.
  • Keep configuration, tokenizer, processor, projection, and weight files from the same revision together.
  • Review the source model card and license before redistribution or deployment.
  • Hardware needs depend on parameter count, context length, cache precision, quantization, and concurrency.
  • Report reproducible issues with the runtime version, hardware, launch command, and a minimal example.

Quantization or conversion changes numerical behavior, memory use, and throughput relative to the source checkpoint; validate quality on your own workload.

Generated outputs may be inaccurate or unsuitable for a given use case. Users are responsible for testing behavior, applying appropriate safeguards, and complying with applicable licenses and laws.

This is a GPTQ-Pro 4-bit quantization of huihui-ai/Huihui-Qwen3.5-9B-abliterated.

It was quantized with group size 64 and evaluated against the original model on Wikitext-2 using a strided perplexity setup, plus KL and token-agreement checks.

Highlights

  • Base model: huihui-ai/Huihui-Qwen3.5-9B-abliterated
  • Quantization: GPTQ-Pro, 4-bit, group size 64
  • Calibration samples: 128
  • Quantization time: about 11.1 minutes
  • Quantized strided perplexity: 9.6579
  • Original strided perplexity: 9.5234
  • Perplexity degradation: 1.41%
  • Average KL divergence vs original: 0.03423
  • Top-1 agreement vs original: 91.96%
  • Top-5 agreement vs original: 99.98%

Quality Notes

This quantized build stays very close to the source model in language modeling quality.

  • Perplexity regression is small.
  • KL divergence is low.
  • Top-5 next-token agreement is effectively perfect.
  • In practice, this should preserve most of the original model's behavior while reducing memory use substantially.

Files

  • model-00001-of-00002.safetensors
  • model-00002-of-00002.safetensors
  • quantize_config.json
  • tokenizer and config files

Load With Transformers / GPTQModel

from gptqmodel import GPTQModel

model = GPTQModel.load(
    "groxaxo/Huihui-Qwen3.5-9B-abliterated-GPTQ-Pro-4bit-g64",
    device_map="auto",
    trust_remote_code=True,
)

Evaluation Summary

Measured locally:

  • Quantized strided PPL: 9.6579304371
  • Original strided PPL: 9.5233634665
  • Quantized chunked PPL: 11.6689118281
  • Original chunked PPL: 11.5080707440
  • KL divergence: 0.0342324856
  • Logit cosine similarity: 0.9935612157

Prompting

Use the same prompting and chat template behavior as the base model.

Disclaimer

This repo contains only the quantized checkpoint. Please review the base model card for intended use, limitations, and licensing details.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
d4c1725

0 моделей