/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-11B-A3B-Niwaki-4bit-mlx
Библиотека
gguf
Опубликована
8 авг 2026

Qwen3.6-11B-A3B-Niwaki-4bit-GGUF

Генерация текстаТекст → текст15 профессий

Qwen3.6-11B-A3B-Niwaki-4bit-GGUF — это GGUF-сборка модели Qwen3.6, разработанной командой Qwen и адаптированной проектом Niwaki.

528скачиваний за 30 дней3лайкавеса обновлены9 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 для локального запуска через llama.cpp и совместимые инструменты, включая генерацию текста, диалог, рассуждения, краткие творческие задачи и программирование. В README указаны архитектура mixture-of-experts с 40 слоями, 256 маршрутизируемыми экспертами и выбором top-8 экспертов; общий размер модели составляет 11B параметров, активными являются примерно 3,05B. Размер промежуточного слоя экспертов уменьшен с 512 до 128, а контекстное окно соответствует базовой модели, но его точный размер не указан. Требуется актуальная версия llama.cpp с поддержкой Qwen3.6 и hybrid linear attention.

Рекомендуемая сборка UD-Q3K занимает около 5,9 ГБ и использует структурно-ориентированное 4-битное квантование: постоянно активные компоненты хранятся с более высокой точностью, а маршрутизируемые эксперты — в компактном формате с калибровкой по матрицам важности. Также доступна сборка Q4_K_M размером около 7,0 ГБ. Модель показывает функциональные результаты в чат-сценариях, рассуждениях и кратком написании, однако её слабая сторона — продолжительная генерация кода: на длинных программных файлах возможны ранняя остановка и потеря связности. Для интенсивной работы с кодом README рекомендует более крупную 19B-модель. Лицензия — Apache 2.0; pruning, distillation и GGUF-сборки выполнены проектом Niwaki.

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

Niwaki

Qwen3.6-11B-A3B-Niwaki-4bit-GGUF

GGUF builds of Qwen3.6-11B-A3B-Niwaki-4bit-mlx — Qwen3.6-35B-A3B pruned to 19B total / 3.3B active parameters — for llama.cpp and everything built on it.

Niwaki (庭木): every routed expert individually width-pruned to the neurons its own routed tokens actually use, reconstructed to compensate, then briefly distilled from the full model, and stored at low precision. A paper with the full method is coming soon.

Files

filesizewt2 ppl (llama.cpp, 512-ctx)
Qwen3.6-11B-A3B-Niwaki-4bit-UD-Q3K.gguf (recommended)5.9 GB18.29 ±0.14
Qwen3.6-11B-A3B-Niwaki-4bit-Q4_K_M.gguf7.0 GB18.23 ±0.14

Reference Qwen3.6-35B-A3B at Q8_0 measures 6.95 under the identical protocol (llama-perplexity, WikiText-2 test, 512-token windows). These llama.cpp numbers are not directly comparable to the MLX repo's 2048-window benchmarks; the relative standings match across both.

Generation battery (measured on the canonical MLX weights; reference scores 0.89 / 0.78): bigram-diversity avg/min = 0.82 / 0.62 across an 8-prompt code/reasoning/chat/creative battery — see the limitation note below.

The recommended UD-Q3K build is quantized structure-aware (importance matrices calibrated on the same code-weighted corpus as the model itself), mirroring the artifact's native allocation: the always-active backbone (attention, shared experts, embeddings) is kept at high precision (Q6_K) while the pruned routed experts ride a compact carrier (q3_k, imatrix-guided). It matches or beats uniform Q4_K_M quality at ~20% fewer bytes on this model family.

Known limitation (measured on the MLX canonical): sustained code generation is the weakest axis of this model (battery minimum 0.62 on long-file code prompts, vs 0.75+ for its larger siblings); output tends to truncate early rather than stay coherent to the end of a long file. Chat, reasoning, and short-form writing are functional. Choose the 19B for heavy code work.

Model dimensions

total / active parameters11B / ~3.05B
layers / routed experts / top-k40 / 256 / 8
expert intermediate size128 (from 512)
contextas base model
conversion notespeculative-decoding (MTP) draft block not included

Usage

llama-cli -m Qwen3.6-11B-A3B-Niwaki-4bit-UD-Q3K.gguf -p "your prompt" -n 256
# or serve:
llama-server -m Qwen3.6-11B-A3B-Niwaki-4bit-UD-Q3K.gguf

Requires a recent llama.cpp with Qwen3.6 (hybrid linear-attention) support. Canonical benchmarks, method outline, and the MLX-native artifact: Qwen3.6-11B-A3B-Niwaki-4bit-mlx. Family: 27B-2bit · 19B-2bit.

Base model by the Qwen team (Apache 2.0); pruning, distillation, and GGUF builds by the Niwaki project, 2026-08.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
5b30c84

0 моделей