/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Swift-Qwen3.8-27B-Genesis-F16-GGUF
Библиотека
gguf
Опубликована
19 сен 2026

Swift-Qwen3.8-27B-Genesis-NVFP4-GGUF

Генерация текстаТекст → текст9 профессий

Квантизированная NVFP4 GGUF-версия Swift-Qwen3.8-27B-Genesis для локальной генерации текста и чата.

921скачиваний за 30 дней2лайкавеса обновлены22 сен 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

Это квантизированная в формате NVFP4 GGUF версия Swift-Qwen3.8-27B-Genesis, подготовленная jan1k на основе весов LuffyTheFox/Swift-Qwen3.8-27B-Genesis-F16-GGUF. Модель использует архитектуру qwen35: 64 слоя, включая 48 Gated DeltaNet и 16 gated-attention, а также блок MTP для спекулятивного декодирования. Вариант v4 содержит 27 млрд параметров по названию модели и занимает около 15,76 ГБ; для совместимых мультимодальных запросов README показывает подключение отдельного mmproj-файла.

Модель предназначена для генерации текста в формате чата и локального инференса через совместимые GGUF-рантаймы, включая llama.cpp и LM Studio. В README приведены настройки контекста до 131072 токенов и ускорение на видеокартах Blackwell; на Ampere используются резервные вычислительные ядра. Квантизация снижает требования к памяти, сохраняя большую часть весов в NVFP4 и отдельные чувствительные тензоры в F16 или F32.

Репозиторий распространяется по лицензии Apache-2.0. Качество генерации после низкобитной квантизации может отличаться от исходного F16; для спекулятивного декодирования нужен runtime с FastMTP, а для вариантов без MTP оно не требуется. README описывает подключение проектора изображений, но отдельный vision-проектор в репозитории модели не заявлен.

Сценарии применения

  • локальный чат с языковой моделью
  • генерация и продолжение текста
  • запуск модели Qwen на совместимом GGUF-рантайме
  • инференс на видеокартах Blackwell или Ampere
  • спекулятивное декодирование при поддержке FastMTP

Ограничения

Для NVFP4-инференса требуется совместимый GGUF-рантайм; на Ampere используются резервные ядра, а максимальная скорость заявлена для Blackwell. MTP-вариант требует поддержки FastMTP для спекулятивного декодирования; отдельный vision-проектор упоминается как внешний файл.

Для каких профессий подходит9

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

Swift-Qwen3.8-27B-Genesis — NVFP4 GGUF

NVFP4 quantisation of LuffyTheFox/Swift-Qwen3.8-27B-Genesis-F16-GGUF, built with advanced-gguf-quantizer (a llama.cpp fork focused on NVFP4 quantization).

Base model: ukisai/Swift-Qwen3.8-27B-GGUF with Genesis tensor repair by LuffyTheFox.

Files

v4 — Recommended (inline scales, LM Studio compatible)

FileCalibrationMTPSizeTensors
Swift-Qwen3.8-27B-Genesis-NVFP4-v4.ggufnone (data-free)yes (blk.64 preserved)15.76 GB866
Swift-Qwen3.8-27B-Genesis-NVFP4-v4-noMTP.ggufnone (data-free)no (blk.64 stripped)15.53 GB851

v4 uses --nvfp4-inline-scales-only to emit native inline UE4M3 scales without separate .scale/.input_scale tensors. Required for LM Studio / Pelican and other runtimes that do not support the extended NVFP4 scale tensor contract.

Imatrix variants will follow after the plain v4 is confirmed working in target runtimes.

Source

Source GGUFSwift-Qwen3.8-27B-F16-0000{1..3}-of-00003.gguf (55.6 GB total, split)
Architectureqwen35 (dense), 64 layers + 1 MTP/NextN block
Layers48 Gated DeltaNet + 16 gated-attention
general.file_type39 (LLAMA_FTYPE_MOSTLY_NVFP4)
MTP/NextNqwen35.nextn_predict_layers=1 (native, preserved)

Single-step F16 → NVFP4 — the F16 source gives the NVFP4 encoder clean data with no intermediate quantization noise. llama-quantize reads the split source directly via ...-00001-of-00003.gguf.

Tensor mix (v4)

typecountnotes
F32360norms, ssm scalars (a/dt/conv1d), nextn norms
F164blk.0 attn_gate/attn_qkv, blk.0/blk.13 ffn_down
NVFP4502bulk weights incl. output.weight, token_embd
total866
separate .scale/.input_scale0inline UE4M3 only

Tensor protection policy

F16 singular-collapse protection:

tensortype
blk.0.attn_gate.weightF16
blk.0.attn_qkv.weightF16
blk.0.ffn_down.weightF16
blk.13.ffn_down.weightF16

F32 architecture-specific protection:

  • blk.*.attn_norm.weight, blk.*.post_attention_norm.weight
  • blk.*.attn_q_norm.weight, blk.*.attn_k_norm.weight
  • blk.*.ssm_norm.weight, blk.*.nextn.*.norm.weight
  • output_norm.weight
  • blk.*.ssm_conv1d.weight, blk.*.ssm_dt.bias, blk.*.ssm_a

Forced NVFP4 (do not push lower):

tensortype
blk.0.ssm_out.weightNVFP4
blk.1.attn_gate.weightNVFP4
blk.1.attn_qkv.weightNVFP4

Usage

llama-cli -m Swift-Qwen3.8-27B-Genesis-NVFP4-v4.gguf \
  --mmproj mmproj-Swift-Qwen3.8-27B-F16.gguf \
  --jinja -c 131072 -ngl 99

For the MTP variant, use Swift-Qwen3.8-27B-Genesis-NVFP4-v4-noMTP.gguf when the runtime lacks FastMTP support, or the MTP file for speculative decoding.

  • Set K cache and V cache quantization to F16
  • Vision support requires the mmproj-Swift-Qwen3.8-27B-F16.gguf from the source repository

Hardware

  • Blackwell (RTX 50xx): native FP4 path, fastest
  • Ampere (RTX 30xx): NVFP4 inference works via fallback kernels
  • Quantisation was done CPU-only (Ampere CUDA NVFP4 encoder is unreliable)

Reproducibility

# F16 split source -> NVFP4 v4 (inline scales only, CPU-only)
CUDA_VISIBLE_DEVICES="" llama-quantize \
  --allow-requantize --mode fast --nvfp4-inline-scales-only \
  --tensor-type '.*=nvfp4' \
  --tensor-type '^blk\..*\.attn_norm\.weight$=f32' \
  --tensor-type '^blk\..*\.post_attention_norm\.weight$=f32' \
  --tensor-type '^blk\..*\.attn_q_norm\.weight$=f32' \
  --tensor-type '^blk\..*\.attn_k_norm\.weight$=f32' \
  --tensor-type '^blk\..*\.ssm_norm\.weight$=f32' \
  --tensor-type '^blk\..*\.nextn\..*norm\.weight$=f32' \
  --tensor-type '^output_norm\.weight$=f32' \
  --tensor-type '^blk\..*\.ssm_conv1d\.weight$=f32' \
  --tensor-type '^blk\..*\.ssm_dt\.bias$=f32' \
  --tensor-type '^blk\..*\.ssm_a$=f32' \
  --tensor-type '^blk.0.ssm_out.weight$=nvfp4' \
  --tensor-type '^blk.1.attn_gate.weight$=nvfp4' \
  --tensor-type '^blk.1.attn_qkv.weight$=nvfp4' \
  --tensor-type '^blk.0.attn_gate.weight$=f16' \
  --tensor-type '^blk.0.attn_qkv.weight$=f16' \
  --tensor-type '^blk.0.ffn_down.weight$=f16' \
  --tensor-type '^blk.13.ffn_down.weight$=f16' \
  Swift-Qwen3.8-27B-F16-00001-of-00003.gguf \
  Swift-Qwen3.8-27B-Genesis-NVFP4-v4.gguf NVFP4 6

Credits

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
78dd22c

0 моделей