/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
12,1 ГБ
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
mlx
Опубликована
19 авг 2026

Qwen3.8-27B-UD-Q3_K_XL-MTP-MLX

Генерация текстаТекст → текст12 профессий

Qwen3.8-27B-UD-Q3_K_XL-MTP-MLX — это MLX-квантизация базовой модели Qwen/Qwen3.8-27B, подготовленная Nathan Sutton для локального запуска на компьютерах Apple Silicon.

800скачиваний 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

Модель предназначена прежде всего для генерации текста, программирования и работы в локальном coding agent chad, выполненном в стиле Claude Code. Она может использоваться через chad или напрямую с библиотекой mlx-lm.

Модель имеет плотную архитектуру Qwen3.5 на 27 млрд параметров: 64 слоя, включая 48 слоёв GatedDeltaNet и 16 слоёв full attention. Основная часть весов и embeddings квантизирована до 3 бит с группами по 64 значения, а lm_head — до 5 бит; итоговый объём весов составляет около 12,1 ГБ, дополнительно поставляется 4-битная MTP-head. Заявлен нативный контекст до 262 тысяч токенов, однако на устройствах Apple Silicon с 24 ГБ памяти фактическое окно обычно ограничивается десятками тысяч токенов в зависимости от доступного бюджета Metal. MTP-head поддерживает self-speculative decoding, ускоряя генерацию с сохранением точности распределения модели. Шаблон чата по умолчанию использует reasoning_effort medium вместо upstream-значения xhigh. Языки и мультимодальные возможности в README не указаны. Модель ориентирована на устройства с 24 ГБ памяти Apple Silicon, а её лицензия наследуется от базовой Qwen/Qwen3.8-27B и требует проверки перед использованием или распространением.

Для каких профессий подходит12

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-UD-Q3_K_XL-MTP-MLX

An MLX quantization of Qwen/Qwen3.8-27B for running locally on Apple Silicon — the default model for chad, a Claude-Code-style local coding agent.

Quant

  • Params: 27B (dense qwen3_5 hybrid: 64 layers, 48 GatedDeltaNet + 16 full attention)
  • Scheme: 3-bit group-64 body (MLP gate/up/down + attention) and 3-bit embeddings, with lm_head held at 5-bit
  • Footprint: ~12.1 GB weights + a bundled 4-bit MTP head; 262k native context
  • RAM: Built for 24 GB Apple Silicon. chad sizes its context window from the live Metal budget, so expect tens of thousands of tokens rather than the full 262k on a 24 GB box.

The naming follows Unsloth's Dynamic 2.0 convention (UD-Q3_K_XL = a dynamic quant that spends extra bits on the layers that matter) so the scheme is recognizable at a glance. It is not literally a llama.cpp k-quant — this is an MLX group-64 affine quant produced by our own per-module predicate (the bulk low-bit, sensitive layers high), with the bit allocation chosen by measured held-out perplexity per gigabyte across candidate recipes.

Multi-token prediction head

mtp.safetensors is the checkpoint's own trained MTP head, quantized to 4-bit group-64 and bundled alongside the weights. chad loads it as a sidecar and uses it for self-speculative decoding: draft several tokens with the head, verify them in one batched forward, accept by exact rejection sampling — so greedy output is token-identical to the unspeculated path and sampled output keeps the model's true distribution at any temperature.

The filename matters. mlx-lm globs model*.safetensors, so mtp.safetensors is invisible to the base loader — which is the point. Named model-mtp.safetensors it would be picked up by the base loader, has_mtp_weights would go true in qwen3_5.TextModel.sanitize, and every norm weight would get a second +1.0 shift: silent corruption, no error.

Chat template

chat_template.jinja differs from upstream in exactly one line: the default reasoning_effort is medium, where upstream defaults to xhigh. Pass reasoning_effort explicitly to override it.

Use it

With chad (auto-downloads this model on first run):

uvx chad-code

Or directly with mlx-lm:

from mlx_lm import load, generate
model, tok = load("nathansutton/Qwen3.8-27B-UD-Q3_K_XL-MTP-MLX")
print(generate(model, tok, "Write a haiku about quantization.", max_tokens=64))

License

Inherits the license of the base model Qwen/Qwen3.8-27B. Review it before use or redistribution.

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_5ForConditionalGeneration
Ревизия весов
bc8ef93

0 моделей