/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
26 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwopus3.6-27B-v2
Библиотека
transformers
Опубликована
23 мая 2026

Qwopus3.6-27B-v2-AWQ-4bit

Генерация текстаТекст → текст15 профессий

Qwopus3.6-27B-v2-AWQ-4bit — это квантизированная версия Jackrong/Qwopus3.6-27B-v2, дообученной на базе Qwen 3.6 27B с дистилляцией рассуждений Claude Opus.

1 601скачиваний за 30 дней12лайковвеса обновлены25 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Квантизацию выполнил mconcat. Модель предназначена для генерации текста, решения математических и логических задач, программирования, анализа, творческого письма, работы с общими знаниями и вызова инструментов. В README также сохранены метаданные мультимодального процессора и vision-компонентов.

Модель использует гибридную архитектуру DeltaNet и softmax attention, а также однос-layer MTP head для speculative decoding. Основные веса представлены в формате AutoAWQ INT4 (W4A16) с размером группы 128, при этом ряд компонентов, включая vision tower, мультимодальный проектор, MTP head, нормы и крайние слои трансформера, сохранён в BF16. Размер чекпойнта составляет около 26 ГБ вместо примерно 54 ГБ у BF16-версии. Заявлены языки English, Chinese, Korean и Japanese; в конфигурации запуска указан максимальный контекст 16384 токена.

К сильным сторонам относятся существенное уменьшение размера модели, сохранение качества исходной BF16-версии на приведённых тестах и ускорение генерации с MTP speculative decoding. На одном NVIDIA B300 SXM6 заявлена скорость до 251 токена в секунду при batch size 1 и ускорение 2,19 раза относительно режима без MTP. Ограничения включают зависимость от совместимого окружения vLLM версии 0.21.0 или выше, необходимость trust_remote_code для указанного запуска и аппаратную специфику приведённых показателей производительности. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели.

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

Qwopus3.6-27B-v2-AWQ-4bit

AutoAWQ-format INT4 (W4A16) quantization of Jackrong/Qwopus3.6-27B-v2, a Claude Opus reasoning-distilled fine-tune of Qwen 3.6 27B.

The hybrid DeltaNet + softmax attention architecture is preserved, the 1-layer MTP head is included for speculative decoding, and the multimodal processor metadata is kept intact. APEX-style edge protection keeps the first and last layers in BF16 for quality.

Quick start

Requires vLLM ≥ 0.21.0:

vllm serve mconcat/Qwopus3.6-27B-v2-AWQ-4bit \
  --tensor-parallel-size 1 \
  --max-model-len 16384 \
  --speculative-config '{"method": "mtp", "num_speculative_tokens": 3}' \
  --tool-call-parser qwen3_coder \
  --reasoning-parser qwen3 \
  --enable-auto-tool-choice \
  --trust-remote-code

Benchmarks

Evaluated with lm-evaluation-harness on a single NVIDIA B300 SXM6, 100 samples per task, 0-shot CoT, max_gen_toks=4096:

TaskQwen 3.6 27B (base)Qwopus 3.6 v2 (source BF16)This (AWQ-4bit)
GSM8K (flexible-extract)65.0%87.0%85.0%
ARC-Challenge (acc_norm)46.0%45.0%47.0%
TruthfulQA-MC255.1%59.3%59.3%
IFEval (inst_level_strict)40.5%42.3%42.9%

Quantization preserves accuracy within standard error of the BF16 source on every task, and matches the source on TruthfulQA. The Claude Opus reasoning gain over the Qwen 3.6 base (+20 pp on GSM8K) is retained.

Throughput

Measured on a single NVIDIA B300 SXM6 with vLLM 0.21.0 and torch.compile enabled:

SetupThroughputSpeedup
Batch = 1, no MTP115 tok/s1.00×
Batch = 1, MTP num_speculative_tokens = 3251 tok/s2.19×
Batch = 8 continuous batching, no MTP880 tok/s—

MTP speculative decoding hits an Avg Draft acceptance rate of ~77 % (per-position: 0.92 / 0.79 / 0.65) with a mean acceptance length of ~3.3, measured on a mixed reasoning + code prompt set at greedy decoding.

Self-test of tool calling with --tool-call-parser qwen3_coder: passes (model emits well-formed <tool_call>...</tool_call> syntax).

Quantization

PrecisionModules
INT4 asymmetric, group_size = 128q_proj, k_proj, v_proj, MLP gate_proj, MLP up_proj, DeltaNet in_proj_qkv, in_proj_z
BF16o_proj, MLP down_proj, lm_head, embed_tokens, norms, DeltaNet small projections (in_proj_a, in_proj_b), DeltaNet out_proj, vision tower, multimodal projector, 1-layer MTP head, first 5 and last 5 transformer layers (APEX edge protection)

The AWQ skip list also names every mtp.* linear module explicitly so the MTP draft head stays unquantized — previous revisions of this checkpoint omitted those entries, which caused vLLM to build the MTP head with AWQ-packed parameters and produced 0 % draft acceptance.

Tuned with AutoRound on 1024 self-generated reasoning traces (200 iterations per block, batch_size=1).

Calibration data: 1024 self-generated traces from the BF16 source model (256 prompts × 4 generations) covering math, code, logic, analysis, creative writing, general knowledge, tool calling, and Korean.

Files

FileSizePurpose
model-*.safetensors (13 shards)~25 GBMain quantized weights
model_extra_tensors.safetensors~1 GBMTP head + edge-protected layers (BF16)
quantization_config.json<1 KBAWQ config (quant_method=awq, bits=4, group_size=128, zero_point=true) with BF16 MTP skip entries
config.json + tokenizer + processor configs<100 MBStandard metadata

Total checkpoint size: ~26 GB (down from ~54 GB BF16 source).

License

Apache 2.0 (inherited from the base model).

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
baabcbb

0 моделей