/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Huihui-Qwen3.5-9B-abliterated
Библиотека
transformers
Опубликована
26 мая 2026

Huihui-Qwen3.5-9B-abliterated-AWQ-4bit

Изображение и текст → текст5 профессий

Huihui-Qwen3.5-9B-abliterated-AWQ-4bit — это 4-битная AWQ-квантизированная версия мультимодальной модели Huihui-Qwen3.5-9B-abliterated, разработанной Huihui AI.

585скачиваний за 30 дней2лайкавеса обновлены29 мая 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 для задач понимания изображений и видео, включая обработку видеоматериалов, с возможностью эффективного запуска на потребительских GPU через vLLM.

Модель основана на архитектуре Qwen3.5 и содержит около 9 миллиардов параметров. Используется формат квантизации W4A16; конфигурация квантизации соответствует cyankiwi/Qwen3.5-9B-AWQ-4bit, а для калибровки применён набор данных mit-han-lab/pile-val-backup. Заявлена поддержка контекстного окна до 262 144 токенов. На RTX 5060 Ti с 16 ГБ видеопамяти полный контекст может использоваться с FP8-квантизацией KV-кэша, однако на видеокартах RTX 40-й серии и старше возможна нехватка памяти при одновременной загрузке визуальных возможностей.

К сильным сторонам относятся сохранение возможностей понимания изображений и видео при сниженных требованиях к памяти, а также поддержка прямого видеоввода в vLLM. Ограничения включают зависимость от совместимости GPU и версии vLLM, возможные ошибки нехватки памяти, а также отсутствие в предоставленных данных сведений о поддерживаемых языках и результатах сравнительных тестов. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит5

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-Qwen3.5-9B-abliterated-AWQ-4bit

This is an AWQ 4-bit quantized version of huihui-ai/Huihui-Qwen3.5-9B-abliterated.

The goal is to preserve the original model’s vision-language capabilities—particularly video understanding—while making it practical for consumer GPUs. Unlike llama.cpp-based solutions, which currently offer limited support for video input in VLMs, this quantization allows direct, efficient inference using the vLLM.

Quantization details

The quantization configuration (layer selection, etc.) follows cyankiwi/Qwen3.5-9B-AWQ-4bit.

The calibration dataset used for AWQ is mit-han-lab/pile-val-backup.

You can find the original quantization script in the model repository. This is my first time doing something like this.

Running full 262K context on 16GB VRAM

On an RTX 5060 Ti 16GB (Blackwell architecture), the full 262,144-token context window can be used by enabling FP8 KV-cache quantization (set --kv-cache-dtype fp8" when loading, requires a compatible vLLM version).

Note on GPU architectures: This has been tested and confirmed working on the RTX 5060 Ti. Due to architectural differences, the same cannot be guaranteed for RTX 40-series or older 16GB GPUs when vision capabilities are also loaded—OOM (out of memory) is still possible. Adjust batch size and context length accordingly.

Example vLLM launch command

Below is the launch configuration I use on Windows. Replace the model path and media directory with your own.

set VIDEO_MAX_PIXELS=200704
set FPS=2.0
set FPS_MAX_FRAMES=2590
set FPS_MIN_FRAMES=4
set FORCE_QWENVL_VIDEO_READER=torchcodec

python -m vllm.entrypoints.openai.api_server ^
    --model /path/to/your/model/HuiHui-Qwen3.5-9B-abliterated-AWQ-W4A16 ^
    --served-model-name HuiHui-Qwen3.5-9B-abliterated-AWQ-W4A16 ^
    --trust-remote-code ^
    --enforce-eager ^
    --dtype auto ^
    --max-model-len 262144 ^
    --kv-cache-dtype fp8 ^
    --gpu-memory-utilization 0.92 ^
    --port 8000 ^
    --allowed-local-media-path /path/to/your/media

Acknowledgements

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
15f9e35

0 моделей