/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
3 сен 2026

Qwen3.8-27B-TURBO-Fable-MXFP4-awq

Изображение и текст → текст10 профессий

Qwen3.8-27B-TURBO-Fable-MXFP4-awq — мультимодальная квантованная модель, опубликованная just1moremodel.

514скачиваний за 30 дней4лайкавеса обновлены3 сен 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

Она основана на Qwen3.8-27B и производной модели DavidAU Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU, созданной с применением многоэтапного обучения Cold Fusion и GAIN, а также модификации с неограниченным поведением. Модель предназначена для следования инструкциям, генерации творческого текста и диалоговых сценариев без встроенного защитного выравнивания; заявлен английский язык.

Модель имеет плотную архитектуру на 27 млрд параметров и 64 слоя, представлена архитектурой Qwen3_5ForConditionalGeneration с сохранённой vision tower, поэтому поддерживает текстовые и визуальные входы. Контекст при рекомендованном запуске через vLLM составляет до 32 768 токенов. Веса сжаты методом AMD Quark MXFP4 W4A8 с AWQ: веса используют fp4 с размером группы 32, активации — динамический fp8. Размер файла модели составляет около 18,04 GiB вместо примерно 55 GB для исходной BF16-версии; предусмотрена поддержка speculative decoding через MTP.

К сильным сторонам относятся существенное снижение требований к памяти, поддержка мультимодальности, режимов рассуждения и совместимого с OpenAI API сервинга через vLLM. Модель проверена на AMD RDNA4 в конфигурации TP2 и обеспечивает связные ответы, однако требуется совместимый стек vLLM с ядрами Quark/MXFP4; на одной видеокарте с 32 GB памяти запуск может быть слишком тесным. Квантование может немного ухудшать качество по сравнению с BF16, а формальные сравнительные бенчмарки не представлены. Модель не имеет встроенных ограничений безопасности и предназначена для взрослых, исследовательских и ответственных сценариев использования. Лицензия — Apache-2.0.

Для каких профессий подходит10

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-TURBO-Fable-MXFP4-awq

Quark MXFP4 (W4A8) + AWQ quantization of DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU — a 27B dense model built on Qwen/Qwen3.8-27B via multi-stage "Cold Fusion" / GAIN training with an uncensored (abliterated-style) heretic treatment.

Same recipe as just1moremodel/Qwen3.8-27B-Uncensored-MXFP4-awq — this is that pipeline applied to the Fable Cold-Fusion source.

  • Full BF16 source: ~55 GB → this checkpoint: 18.04 GiB (single model.safetensors)
  • Verified serving locally on vLLM (AMD RDNA4 / gfx1201, TP2) with coherent output
  • Quantized with AMD Quark 0.12 (quant_scheme mxfp4, quant_algo awq, 64 calibration samples, seq 512, pileval)

How to run

Start with this image: https://hub.docker.com/r/stilldeadcode/vllm-radiance Add this: https://codeberg.org/ggz14/radiance-vllm-mxfp4 NOTE: fp8_mtp.py was already ran on this model, it is not needed to run again.

Quantization details

Quant methodQuark (quant_method: quark)
Weight formatMXFP4 (fp4, group size 32, E8M0 scales), U8-packed
Activation formatfp8 (dynamic) — W4A8
AWQEnabled — per-layer scaling search over all 64 layers (MLP scaling map from AMD's Qwen3.8-27B-Quark-AWQ-MXFP4 reference)
self_attnQuantized (U8-packed, matching AMD's reference — no attention exclusion)
Excluded (BF16)lm_head + full vision tower (111 model.visual.* entries)
MTP / drafter head8 mtp.* projections requantized BF16 → FP8-E4M3 per-channel weights + FP32 scales (declared in layer_quant_config), for speculative decoding
Tensors1703 total: 1346 language_model.* + 23 mtp.* + 333 visual.* + lm_head
ArchitectureQwen3_5ForConditionalGeneration (multimodal wrapper; vision tower intact in BF16)
Params27B dense, 64 layers

What the source model is

Per the source card: a multi-stage tuned model combining Cold Fusion 735/882 ratio training, GAIN training, and an uncensored "NM/DAU" heretic treatment on the Qwen3.8-27B base — aimed at instruction following, creative prose, and unrestricted assistant behavior. Refer to the source model card for full details on the training method and intended use. This repo only changes the precision (BF16 → MXFP4/AWQ); weights are otherwise derived from that source.

Launching with vLLM

Standard OpenAI-compatible server:

vllm serve /path/to/Qwen3.8-27B-TURBO-Fable-MXFP4-awq \
  --host 0.0.0.0 --port 8000 \
  --tensor-parallel-size 2 \
  --max-model-len 32768 \
  --gpu-memory-utilization 0.90 \
  --trust-remote-code

Notes:

  • Serving stack matters more than usual. Quark MXFP4 W4A8 needs a vLLM build with the Quark/MXFP4 path enabled. On AMD RDNA4 this was validated on a radiance vLLM 0.27.1 (torch 2.11+rocm7.14) build with the MXFP4 custom kernels; stock upstream vLLM with quant_method: quark support should load it via its Quark integration — if your build lacks MXFP4 kernels for your GPU, you will get a kernel-availability error at load, not silent slowdown.
  • The checkpoint carries a full Qwen3.8 chat template (chat_template.jinja included) with reasoning-effort control (xhigh/medium/low, default xhigh) and XML tool calling. Pass chat_template_kwargs: {"enable_thinking": false} to disable thinking mode.
  • 32 GB-class GPUs: fits in TP2 on 2×32 GB (18 GiB weights + activations + FP8 KV cache). Single 32 GB card is too tight for comfortable context; single 48 GB+ works.
  • Speculative decoding: the FP8 MTP head is already wired in the config; --speculative-config '{"method":"mtp","num_speculative_tokens":5}' works on stacks that support Qwen MTP drafting.

Verification performed

  • Quant output gates: quant_method: quark, fp4/group-32 weights + activations, exclude = lm_head + vision, self_attn U8-packed, 18.04 GiB (matches AMD's reference size for this architecture — no accidental exclusions)
  • Converted layout verified: 1703 tensors, correct multimodal wrapper config, algo_config nulled (vLLM quark mapper compatibility), FP8 MTP declared
  • Served end-to-end on vLLM (RDNA4 TP2): healthy boot, coherent greedy completions in both thinking and non-thinking modes

Intended use & limitations

Uncensored model — intended for adults, research, and responsible use; no built-in safety alignment. All limitations of the source apply (see its card). Quantization (MXFP4 W4A8) adds minor degradation vs BF16; AWQ scaling was calibrated to minimize output deviation on general text, but has not been benchmarked against the BF16 source with formal metrics.

Credits

  • Source model: DavidAU — Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU
  • Base model: Qwen — Qwen3.8-27B
  • Quantization: AMD Quark (MXFP4 + AWQ), AWQ scaling map from AMD's Qwen3.8-27B-Quark-AWQ-MXFP4 reference checkpoint

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
2aca108

0 моделей