/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,9 млрд
Размер весов
7,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · MoE
Базовая модель
Qwen3.6-14B-A3B-FableVibes
Библиотека
mlx
Опубликована
22 июл 2026

Qwen3.6-14B-A3B-FableVibes-mlx-q4

Генерация текстаТекст → текст15 профессий

Qwen3.6-14B-A3B-FableVibes-mlx-q4 — это 4-битная MLX-квантизированная версия модели tvall43/Qwen3.6-14B-A3B-FableVibes, подготовленная для локального запуска на компьютерах Apple Silicon.

955скачиваний за 30 дней3лайкавеса обновлены22 июл 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

Исходная модель основана на REAP-pruned Qwen3.6-35B-A3B, дистиллирована с использованием QLoRA и reasoning-трасс Claude Fable 5. Она предназначена для генерации текста, решения задач и сценариев, требующих пошагового рассуждения, с выводом рассуждений в формате <think>...</think>.

Модель использует гибридную архитектуру Qwen3.5 с линейным вниманием GatedDeltaNet, полным attention и разреженным MoE. Она содержит около 14 млрд параметров, из которых примерно 3 млрд активируются на каждом токене; используется 90 экспертов, 8 из которых выбираются для обработки токена. Квантизация выполнена в 4 бита с group size 64, размер модели составляет около 7,2 ГБ. Разреженность MoE обеспечивает высокую скорость декодирования — около 46 токенов в секунду на M4, а модель рассчитана на запуск на Mac с 16 ГБ памяти. Ограничением является некоторое снижение точности строгого рассуждения из-за 4-битной квантизации; для более высокой точности доступен вариант с квантизацией q6. Лицензия — Apache 2.0.

Для каких профессий подходит15

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

Qwen3.6-14B-A3B-FableVibes-mlx-q4

MLX 4-bit quantization of tvall43/Qwen3.6-14B-A3B-FableVibes, for local inference on Apple Silicon.

Credit / original model

This repo is only a quantized MLX conversion. All credit for the model itself goes to the original author, tvall43. Please see and cite the original model card.

The base is a REAP-pruned Qwen3.6-35B-A3B reduced to ~14B total / ~3B active (90 experts, 8 active), recovered with a QLoRA distill of Claude Fable 5 reasoning traces. It uses the Qwen3.5 hybrid architecture (GatedDeltaNet linear attention + full attention + MoE) and emits <think>...</think> reasoning.

What this conversion did

  • Fused the routed-MoE experts from per-expert tensors (experts.{i}.{gate,up,down}_proj) into mlx-lm's stacked experts.gate_up_proj / experts.down_proj format.
  • Quantized to 4-bit, group size 64 with mlx-lm.
  • ~7.2 GB; runs on a 16 GB Apple Silicon Mac.

Usage

uv run python -m mlx_lm generate \
  --model khanh2023/Qwen3.6-14B-A3B-FableVibes-mlx-q4 \
  --prompt "Solve: ..."

Notes

  • MoE sparsity (~3B active/token) makes decode fast (~46 tok/s on an M4) despite 14B total params.
  • 4-bit trades some exactness on strict reasoning; a higher-precision -mlx-q6 variant is also available.

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, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
560606e

0 моделей