/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
mlx
Опубликована
28 авг 2026

Qwen3.8-27B-UD-Q2_K_XL-MLX-imatrix-direct

Генерация текстаТекст → текст3 профессии

Квантованный до двух бит вариант Qwen/Qwen3.8-27B в нативном формате MLX для генерации текста и диалогов.

359скачиваний за 30 дней0лайковвеса обновлены28 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

jclyons52 подготовил нативный порт для MLX модели Qwen/Qwen3.8-27B с динамической квантизацией UD-Q2_K_XL. Веса записываются непосредственно в формате MLX после поиска аффинных квантованных значений с группами размера 64 и взвешиванием по опубликованной unsloth imatrix; преобразование через GGUF и повторная квантизация через mlx_lm.convert не используются.

Модель предназначена для генерации текста и диалогов в среде MLX. README приводит perplexity 9,133 на первых 32 тысячах токенов wikitext-2-raw с окнами по 512 токенов; качество на других задачах не охарактеризовано. При двухбитной квантизации аффинный формат MLX уступает GGUF-варианту UD-Q2_K_XL, использующему нелинейные IQ-кодовые книги.

Это текстовый вариант: визуальная башня исходного мультимодального чекпойнта не включена. Модель не предназначена для дальнейшего обучения. Лицензия унаследована от базовой модели Qwen/Qwen3.8-27B — Apache-2.0.

Сценарии применения

  • локальный запуск языковой модели в среде MLX
  • генерация ответов в диалоговом интерфейсе
  • создание и продолжение текста на устройстве с ограниченной памятью
  • эксперименты с динамической двухбитной квантизацией Qwen

Ограничения

Визуальная башня базовой модели отсутствует, поэтому этот вариант работает только с текстом; качество проверено лишь на ограниченной выборке wikitext-2, а результаты на прикладных задачах не приведены. Аффинная квантизация MLX заметно уступает GGUF-варианту с IQ-кодовыми книгами, и модель не предназначена для дальнейшего обучения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-27B UD-Q2_K_XL — MLX imatrix-direct (native MLX, dynamic quant)

Native-MLX port of unsloth's UD-Q2_K_XL dynamic quantization for Qwen/Qwen3.8-27B. Runs the quantizer search natively in MLX's affine format (group size 64) and writes final MLX weights directly — no GGUF round-trip, no mlx_lm.convert re-quantization.

Perplexity (wikitext-2-raw first 32k tokens, 512-token windows):

BuildPPL ↓
unsloth UD-Q2_K_XL GGUF in llama.cpp7.180
this model9.133

Note: at 2 bits the gap to the GGUF widens (+1.95) because unsloth's 2-bit quants use non-linear IQ codebooks that MLX's affine kernels cannot represent (details).

Method

  1. Bit map from unsloth's Qwen3.8-27B-UD-Q2_K_XL.gguf (dynamic per-tensor bit allocation).
  2. Importance-weighted affine search per group using unsloth's published imatrix (per-column activation energies).
  3. Final MLX weights emitted directly (packed uint32 codes + bf16 scales/biases) — the emitted weights are exactly what the search chose.

Limitations

  • Affine vs IQ-codebook gap. MLX quantized matmul supports only uniform affine grids; unsloth's ≤3-bit GGUFs use non-linear IQ codebooks. The gap vs GGUF is inherent to MLX's current kernels, not the weights.
  • Text-only. The base checkpoint's visual tower is not included.
  • Eval scope: wikitext-2, 32k tokens only; downstream tasks uncharacterized.
  • Not for further training.

Calibration data

Importance weighting: unsloth's published imatrix_unsloth.gguf.

Credits

Built 2026-08-28. Base model license inherited from Qwen/Qwen3.8-27B.

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
9471606

0 моделей