/ Модель

Характеристики

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

Qwen3.8-27B-UD-Q3_K_XL-MLX-gptq-direct

Генерация текстаТекст → текст4 профессии

Текстовая квантизированная сборка Qwen3.8-27B для генерации и диалогов в среде MLX.

353скачиваний за 30 дней0лайковвеса обновлены27 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 выпустил текстовую версию Qwen3.8-27B в формате MLX с динамической низкоразрядной квантизацией UD-Q3_K_XL и GPTQ. Модель основана на Qwen/Qwen3.8-27B; веса занимают 14 ГБ, квантизированные модули имеют среднюю разрядность около 4,4 бита и размер группы 64. Визуальная часть базовой модели не включена.

Сборка предназначена для генерации текста и диалогов в среде MLX, например через mlx-lm и oMLX. В описанной проверке на первых 32 тысячах токенов wikitext-2 значение perplexity составило 8,090; автор отмечает, что результат немного хуже версии GGUF UD-Q3_K_XL. Базовая модель поддерживает мультимодальные сценарии, но эта сборка работает только с текстом. Дальнейшее обучение не рекомендуется: веса квантизированы и заморожены, а качество на задачах программирования, математики и многоязычной генерации отдельно не оценено.

Лицензия унаследована от базовой модели Qwen/Qwen3.8-27B; метаданные указывают Apache-2.0.

Сценарии применения

  • диалоговое взаимодействие с текстовой моделью на MLX
  • генерация текста на локальном устройстве с поддержкой MLX
  • экспериментальная оценка низкоразрядной версии Qwen3.8-27B
  • запуск Qwen через mlx-lm или oMLX

Ограничения

Сборка текстовая и не содержит визуальную часть базовой модели; низкоразрядная квантизация может ухудшать качество, а результаты на wikitext-2 не характеризуют качество на прикладных задачах. Модель не предназначена для дальнейшего обучения.

Для каких профессий подходит4

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-Q3_K_XL — MLX GPTQ-direct (native MLX, 3-bit dynamic)

Native-MLX port of unsloth's UD-Q3_K_XL dynamic quantization for Qwen/Qwen3.8-27B. Instead of converting GGUF weights, this build 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 step.

Perplexity (wikitext-2-raw first 32k tokens, 512-token windows, greedy NLL — identical math to llama-perplexity):

BuildPPL ↓
unsloth UD-Q3_K_XL GGUF in llama.cpp6.896
this model (GPTQ-direct)8.090
MLX imatrix-weighted (no GPTQ)8.136
MLX plain RTN (same bit map)8.169

Best published native-MLX Q3 for this model family to our knowledge. Full methodology and history: ud2mlx repo.

Method

  1. Bit map taken from unsloth's Qwen3.8-27B-UD-Q3_K_XL.gguf (per-tensor bits, unsloth's dynamic layer selection).
  2. Importance weighting from unsloth's published imatrix (per-column activation energies from their calibration set).
  3. GPTQ with real activation Hessians captured on 128×512 = 65,536 calibration tokens (wikitext-2-train-raw) — full-rank for every input dim up to I=17408. Sequential error feedback through each block.
  4. Per-group affine parameters are fixed before feedback (importance- weighted candidate search with margin headroom), so the emitted weights are exactly what the feedback pass produced — zero re-binning loss.
  5. embed_tokens and lm_head have no block-input Hessian → RTN with the same affine search (uniform importance). lm_head at 5 bits.

14 GB, 498 quantized tensors, group size 64, avg ~4.4 bits on quantized modules (2-bit MLP-heavy early layers up to 8-bit norms/router).

Usage

pip install mlx-lm
mlx_lm.generate --model jclyons52/Qwen3.8-27B-UD-Q3_K_XL-MLX-gptq-direct \
    --prompt "Explain quantum tunneling" --max-tokens 256

Works with any MLX runtime that loads mlx-lm models (oMLX, etc.).

Limitations

  • Affine vs IQ-codebook gap. MLX's quantized matmul only supports uniform affine grids; unsloth's ≤3-bit GGUFs use non-linear IQ codebooks (E8-lattice / super-block formats). At 3 bits this costs ~+1.2 PPL vs the GGUF; at 2 bits the gap widens to ~+1.95 (details). This is a runtime-kernel limitation of MLX, not a property of the weights.
  • Embed/lm_head are RTN, not GPTQ (no activation Hessians available at those positions in the current capture harness).
  • Text-only. The visual tower of the base checkpoint is not included.
  • Eval scope: perplexity measured on wikitext-2 only, 32k tokens. Downstream task quality (coding, math, multilingual) is not yet characterized; low-bit dynamic quants typically degrade non-uniformly.
  • Not for further training — quantized weights are frozen codes; use the fp16 base for fine-tuning.
  • Quality can vary by prompt/domain; the late-window PPL drift visible in sequential evals suggests domain sensitivity typical of low-bit quants.

Calibration data

  • GPTQ Hessians: wikitext-2-train-raw, first 65,536 tokens.
  • Importance weighting: unsloth's published imatrix_unsloth.gguf (their calibration mixture).

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
0e7fd22

0 моделей