/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
30,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-heretic-ara
Библиотека
transformers
Опубликована
21 авг 2026

Qwen3.8-27B-heretic-ara-fp8

Изображение и текст → текст15 профессий

Qwen3.8-27B-heretic-ara-fp8 — мультимодальная модель на базе Qwen3.8-27B, разработанная Qwen Team и преобразованная в производный checkpoint проектом Heretic с использованием метода Arbitrary-Rank Ablation (ARA).

549скачиваний за 30 дней0лайковвеса обновлены21 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

FP8-квантизацию, проверку и публикацию выполнил magiccodingman. Квантизация не включает дополнительное дообучение, слияние моделей или новую abliteration; поведение унаследовано от upstream-модели heretic-org/Qwen3.8-27B.

Модель предназначена для работы с текстом и изображениями, а конфигурация репозитория также содержит процессор для изображений и видео. Она может применяться в задачах программирования, математики, науки, генерации структурированных данных, SQL, многоязычного текста, работы с инструментами и инженерии вывода. Точный набор поддерживаемых языков, архитектурные детали, размер контекста и результаты исходных бенчмарков в данном README не приведены. Модель содержит около 27 миллиардов параметров; веса представлены в формате FP8 E4M3 с блочной гранулярностью масштабирования 128×128, а объём тензорных данных составляет около 30,87 ГБ.

К сильным сторонам относятся существенное снижение размера весов по сравнению с BF16 и близость поведения к исходной BF16-модели: при проверке средняя дивергенция KL составила 0,00315279, а совпадение наиболее вероятного токена — 96,5517%. Однако поддержка нативных FP8-ядер и FP8 KV-cache зависит от ускорителя, backend и версии программного обеспечения; при отсутствии совместимой реализации веса могут быть деквантизированы. Модель наследует ограничения исходного checkpoint и намеренно сниженное поведение отказа, поэтому требует самостоятельной проверки, защитных мер и контроля безопасности. Лицензия — Apache License 2.0; применяются также уведомления и атрибуции upstream-компонентов.

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

Qwen3.8-27B-heretic-ara — FP8 E4M3 block quantization

This is an FP8 weight quantization of heretic-org/Qwen3.8-27B-heretic-ara, prepared and validated by magiccodingman.

No additional fine-tuning, merging, or abliteration was performed. The model's behavior comes from the upstream Heretic ARA checkpoint; this repository only changes its serialized weight precision.

Quantization details

PropertyValue
Weight formatFP8 E4M3 (float8_e4m3fn)
Scale granularity128 × 128 blocks
Scale storageFP32 weight_scale_inv
Activation metadataDynamic FP8
Quantized matrix tensors407
Preserved tensors792, byte-identical to the BF16 source
Tensor payload30.87 GB (28.75 GiB)

The layout and exclusion strategy follow the native Qwen/Qwen3.8-27B-FP8 checkpoint format. FP8 KV cache is not stored in the checkpoint; it is a runtime option that must be enabled in the serving engine.

Validation

The serialized FP8 weights were dequantized to BF16 and compared with the upstream BF16 checkpoint using identical inputs and compute settings.

MetricResult
Scored next-token positions638
Mean `D_KL(P_BF16
Median KL0.00185845
P95 KL0.0104304
Maximum KL0.0977299
Top-1 token agreement96.5517%
BF16 reference NLL2.78304195
FP8 NLL2.78553748
NLL delta+0.00249553
Aggregate relative weight RMSE0.0264554

The validation corpus covered code, mathematics, science, structured output, tool syntax, multilingual text, SQL, proof writing, and inference engineering. Safetensors structure, block geometry, scale tensors, tensor closure, preserved weights, and repository checksums also passed.

See FP8_VALIDATION.md and the included JSON reports for the detailed results.

Hardware note: Validation was performed on RTX 3090 GPUs, which cannot execute native W8A8 FP8. Transformers therefore dequantized the stored FP8 weights to BF16 for the forward comparison. This validates conversion quality, but native FP8 throughput and FP8 KV-cache behavior must be measured on the intended FP8-capable hardware and runtime.

Usage

The repository includes the upstream tokenizer, chat template, generation configuration, vocabulary, and image/video processor configuration.

Example with vLLM (adjust tensor parallelism for your system):

vllm serve magiccodingman/Qwen3.8-27B-heretic-ara-fp8 \
  --tensor-parallel-size 4 \
  --reasoning-parser qwen3 \
  --kv-cache-dtype fp8

The weight format is detected from quantization_config in config.json. Runtime support for block-FP8 kernels and FP8 KV cache varies by accelerator, backend, and software version. If your runtime lacks a compatible native kernel, it may reject the checkpoint or dequantize weights instead of accelerating them.

Upstream model and behavior

The upstream checkpoint is a decensored/abliterated derivative of Qwen/Qwen3.8-27B. According to its model card, it was produced with p-e-w/heretic, using timrohrbaugh/heretic v1.2.0+custom and the Arbitrary-Rank Ablation (ARA) method.

The upstream card reports these parameters:

ParameterValue
start_layer_index26
end_layer_index56
preserve_good_behavior_weight0.9432
steer_bad_behavior_weight0.0009
overcorrect_relative_weight0.5038
neighbor_count10

Consult the heretic-org/Qwen3.8-27B-heretic-ara model card and the Qwen/Qwen3.8-27B model card for architecture, prompting, intended-use, benchmark, and limitation details.

Provenance and credits

This quantization is an independent derivative and is not an official Qwen, Heretic, or upstream-author release.

Limitations and responsibility

Quantization can change token probabilities even when aggregate divergence is small. Validate the model on your own workloads before production use. This checkpoint also inherits the upstream model's limitations and its deliberately reduced refusal behavior. Users are responsible for deployment safeguards, legal compliance, and generated content.

License

Apache License 2.0. See LICENSE. All upstream notices and attributions remain applicable.

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
ae4c4a3

0 моделей