/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
19,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Huihui-Qwen3.8-27B-abliterated
Библиотека
transformers
Опубликована
19 авг 2026

Qwen3.8-27B-Huihui-Abliterated-NVFP4-MTP-VL

Изображение и текст → текст15 профессий

Qwen3.8-27B-Huihui-Abliterated-NVFP4-MTP-VL — мультимодальная квантованная модель, разработанная lyf на основе huihui-ai/Huihui-Qwen3.8-27B-abliterated.

3 370скачиваний за 30 дней3лайкавеса обновлены19 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

Это поведенческий производный вариант, предназначенный для исследований и локального инференса, включая генерацию текста, работу с изображениями и видео, рассуждения, вызов инструментов и ускорение декодирования с помощью MTP (эталонного многотокенного предсказания).

Модель использует языковую часть размером 27B параметров с квантованием линейных слоёв в формате NVFP4 W4A4 и размером группы 16. Башня обработки изображений и видео, MTP-голова, lm_head, эмбеддинги токенов и GDN conv1d сохранены в формате BF16. Поддерживаются английский и китайский языки. Указанный проверенный профиль рассчитан на видеокарты NVIDIA RTX 5090 с архитектурой Blackwell, ограничением контекста 4096 токенов и KV-кэшем FP8; большие контексты требуют отдельной проверки доступной видеопамяти.

К сильным сторонам относятся мультимодальность, существенное снижение требований к памяти благодаря NVFP4, сохранение исходной BF16 vision/video tower и MTP-компонентов, а также совместимость с vLLM и OpenAI-compatible API. На одной RTX 5090 модель успешно прошла проверки текстовой генерации, MTP и мультимодального профиля; во время генерации использовалось около 28 944 MiB VRAM. Ограничения включают зависимость от совместимого оборудования и программного окружения, необходимость валидации для иных нагрузок и контекстов, а также экспериментальный характер abliterated-производной.

Модель распространяется по лицензии Apache-2.0. Она предназначена для исследовательского использования и локального инференса; ответственность за дальнейшее применение и соблюдение соответствующих политик лежит на пользователе.

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

Huihui Qwen3.8-27B Abliterated NVFP4 MTP VL

A compressed-tensors NVFP4 W4A4 release of huihui-ai/Huihui-Qwen3.8-27B-abliterated at revision d42ca8978c5a66e92c3446d46e8adfe03ef692ff. The same-source BF16 vision/video tower (333 tensors) and all 15 BF16 MTP tensors are retained.

Quick start — RTX 5090 / Blackwell

hf download lyf/Qwen3.8-27B-Huihui-Abliterated-NVFP4-MTP-VL --local-dir ./huihui-qwen38-nvfp4

docker run --rm --gpus all --ipc=host --network=host   -e VLLM_NVFP4_GEMM_BACKEND=flashinfer-cutlass   -e VLLM_USE_FLASHINFER_SAMPLER=1   -v "$PWD/huihui-qwen38-nvfp4:/model:ro"   vllm/vllm-openai:qwen38-x86_64-cu130   /model   --served-model-name qwen38-huihui-nvfp4   --host 0.0.0.0 --port 8000   --max-model-len 4096   --kv-cache-dtype fp8   --gpu-memory-utilization 0.92   --max-num-seqs 1   --max-num-batched-tokens 1024   --enable-prefix-caching   --trust-remote-code   --speculative-config '{"method":"qwen3_5_mtp","num_speculative_tokens":3}'

The command above is the verified multimodal/MTP smoke profile. Larger context values require workload-specific VRAM validation.

Quantization and lineage

ComponentFormat/source
Language-model Linear layersNVFP4 W4A4, group size 16
Vision/video tower333 tensors, BF16, same Huihui checkpoint
MTP head15 tensors, BF16, same Huihui checkpoint
lm_head, token embedding, GDN conv1dBF16
CalibrationCNN/DailyMail 3.0.0, 20 × 8192 tokens
Packagingcompressed-tensors nvfp4-pack-quantized

No official Qwen, Unsloth, Blackfrost, or other behavioral variant weights were grafted into this release.

Validation

Validated on one RTX 5090, 450 W cap, using vllm/vllm-openai:qwen38-x86_64-cu130:

  • GET /health and /v1/models: passed
  • OpenAI-compatible 1024-token text generation: passed
  • Native MTP n=3: passed
  • MTP draft tokens: 1362; accepted: 572; acceptance: 42.0%
  • Mean acceptance length: 2.33
  • Per-position acceptance: 0.602 / 0.429 / 0.295
  • Client elapsed for 1024 output tokens: 10.73 s
  • Runtime VRAM under generation: ~28,944 MiB

The earlier full release workflow also verifies 333 vision tensors and 15 same-source MTP tensors statically. The NInfer derivative in the companion repository carries a separate real-image runtime validation.

Files

  • model-00001-of-00002.safetensors, model-00002-of-00002.safetensors: compressed checkpoint
  • model-mtp-extra.safetensors: 15 same-source BF16 MTP tensors
  • model.safetensors.index.json: complete 2687-tensor index
  • BUILD_MANIFEST.json, VALIDATION_REPORT.json, STATIC_VALIDATION_REPORT.json, recipe.yaml, SHA256SUMS: provenance and reproducibility

Intended use

This is an abliterated behavioral derivative intended for model research and local inference. Users are responsible for downstream use and applicable policies.

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
3e2cce2

0 моделей