/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
67,9 МБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_mtp · dense
Базовая модель
Qwen3.5-4B
Библиотека
mlx
Опубликована
1 июн 2026

Qwen3.5-4B-MTP-4bit

Генерация текстаТекст → текст3 профессии

Qwen3.5-4B-MTP-4bit — это вспомогательная модель-драфтер, разработанная сообществом mlx-community на основе Qwen/Qwen3.5-4B от Qwen.

521скачиваний за 30 дней2лайкавеса обновлены1 июн 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 предназначена для ускорения генерации текста методом speculative decoding в связке с совместимым целевым чекпойнтом Qwen3.5 4B: модель предлагает кандидаты токенов, а целевая модель их проверяет. Самостоятельно как чат- или текстогенерационная модель этот репозиторий не предназначен для использования.

Модель имеет тип qwen3_5_mtp и размер блока Multi-Token Prediction 2. Веса квантизированы в формате MLX affine 4-bit с group size 64 и сохранены в Safetensors с конфигурацией и токенизатором, совместимыми с MLX. Для работы требуется runtime MLX с поддержкой MTP-драфтеров Qwen в mlx-vlm. В карточке указана поддержка английского языка; другие языки, модальности и размер контекста не заявлены.

Основное преимущество — потенциальное ускорение авторегрессионной генерации при использовании speculative decoding и совместимого целевого чекпойнта. Ограничения состоят в невозможности штатного автономного запуска через generic Transformers API, зависимости от mlx-vlm и необходимости использовать целевую модель Qwen3.5 4B. Лицензия указана как Apache-2.0; дополнительные условия следует уточнять по карточке базовой модели Qwen/Qwen3.5-4B.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-4B-MTP-4bit

This repository contains quantized Multi-Token Prediction (MTP) drafter weights split from Qwen/Qwen3.5-4B for use with mlx-vlm speculative decoding.

This is not a standalone chat or text-generation model. Load it as the draft model alongside a compatible Qwen3.5 4B target checkpoint.

Use with mlx-vlm

uv run mlx_vlm.generate \
  --model Qwen/Qwen3.5-4B \
  --draft-model mlx-community/Qwen3.5-4B-MTP-4bit \
  --prompt "Hi, how are you?" \
  --max-tokens 256 \
  --enable-thinking

For local weights:

uv run mlx_vlm.generate \
  --model /path/to/target-model \
  --draft-model /path/to/Qwen3.5-4B-mtp-4bit \
  --prompt "Hi, how are you?" \
  --max-tokens 256 \
  --enable-thinking

Model Details

  • Model type: qwen3_5_mtp
  • MTP block size: 2
  • Target architecture: Qwen3.5 4B
  • Precision: MLX affine 4-bit, group size 64
  • Runtime: MLX / mlx-vlm
  • Format: Safetensors with MLX-compatible config and tokenizer files

The stored tensors use MLX affine quantization as described in config.json.

Intended Use

Use this repo only as a speculative decoding drafter for compatible Qwen3.5 4B checkpoints. The target model verifies drafted tokens, while this MTP model proposes candidate tokens per decoding step.

Limitations

This checkpoint requires runtime support for Qwen MTP draft models in mlx-vlm. Standard standalone generation through generic Transformers APIs is not expected to work with this repository by itself.

Please refer to the upstream Qwen/Qwen3.5-4B model card and license terms for model usage constraints.

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.

Ревизия весов
ab6f59b

0 моделей