/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.8-27B
Опубликована
25 авг 2026

Qwen3.8-27B-OQ3-GGUF

Генерация текстаТекст → текст15 профессий

Компактная квантованная версия Qwen3.8-27B для диалогов и генерации текста, с поддержкой изображений и видео через vision-проектор.

273скачиваний за 30 дней7лайковвеса обновлены26 авг 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

Qwen3.8-27B-OQ3-GGUF — квантованная версия Qwen3.8-27B, подготовленная Ora Computing методом посттренировочной калибровочной квантизации. Модель предназначена для диалогов и генерации текста; с дополнительным vision-проектором GGUF поддерживает также входные изображения и видео. Репозиторий содержит файл модели размером 10,54 ГБ со средней точностью 3,026 бита на вес и отдельный проектор изображения размером 0,93 ГБ. В основной файл встроена голова многотокенного предсказания, которую можно использовать для ускорения декодирования в совместимых версиях llama.cpp.

По приведённым в карточке тестам модель сохраняет 95,4% совокупного результата исходной версии bf16 на MMLU-Pro и AIME-25, занимая примерно в 5,3 раза меньше места. Для запуска автор рекомендует llama.cpp; заявленный родительский чекпойнт — Qwen/Qwen3.8-27B. Лицензия указана как other, поэтому условия использования следует проверять на странице репозитория.

Сценарии применения

  • диалоговый помощник на локальном устройстве
  • генерация и редактирование текстов
  • ответы на вопросы и рассуждения по текстовому запросу
  • анализ изображений с llama.cpp и vision-проектором
  • анализ видео с llama.cpp и vision-проектором
  • ускоренная генерация текста через многотокенное предсказание

Ограничения

Квантизация снижает качество относительно исходной версии bf16: карточка сообщает о сохранении 95,4% результата на двух указанных тестах. Поддержка изображений и видео требует vision-проектора и совместимого запуска через llama.cpp; языки и условия лицензии в предоставленных данных подробно не раскрыты.

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

Qwen3.8-27B-OQ3 (GGUF)

[!IMPORTANT] ~5.3× smaller than the original 16-bit Qwen3.8-27B, with 95.4% accuracy retention.

OQ3 is a Post-Training Quantization (PTQ) of Qwen/Qwen3.8-27B with a calibration-based per-tensor format allocation. The name encodes the model's 3.026 bits-per-weight full-model average (body 2.967 bpw, Q2_K embedding / Q4_K output head).

Files

filesizefull avg BPWbody BPW
Qwen3.8-27B-OQ3.gguf10.54 GB3.0262.967
mmproj-F16.gguf0.93 GB——

The main file embeds the model's multi-token-prediction (MTP) head (Q6_K/Q8_0, ~0.36 GB) as an optional speculative draft — llama.cpp ignores it unless you pass the MTP flags, so the live-decode footprint and the 3.026 BPW figure are unchanged. mmproj-F16.gguf is the optional vision projector for image/video input.

Benchmarks

Scores versus the original 16-bit Qwen/Qwen3.8-27B. Higher is better.

ModelMMLU-ProAIME-25AverageFull BPWBody BPWRetention
Qwen3.8-27B (bf16)76.7195.8386.2716.0016.00100.0%
OQ3 (this repo)73.9490.4282.183.0262.96795.4%
Escha W271.2487.5079.373.0202.48592.1%

Note: The same setup was applied to all models, so scores in this table are comparable. The quantized rows are at a matched total byte budget (10.17 vs 10.15 GB of live weights). MMLU-Pro is 5-shot CoT generative over 12,032 questions; AIME-25 is 8 seeds × 30 problems with 65,536 max new tokens.

Usage (llama.cpp)

No manual download needed — llama.cpp pulls the model (and the vision projector) straight from this repo:

# OpenAI-compatible server with web UI:
llama-server -hf oracomputing/Qwen3.8-27B-OQ3-GGUF

# Chat in the terminal:
llama-cli -hf oracomputing/Qwen3.8-27B-OQ3-GGUF

Or with the llama.app launcher: llama serve -hf oracomputing/Qwen3.8-27B-OQ3-GGUF. To download the files explicitly instead:

hf download oracomputing/Qwen3.8-27B-OQ3-GGUF Qwen3.8-27B-OQ3.gguf mmproj-F16.gguf --local-dir .

then point llama.cpp at the local file with -m Qwen3.8-27B-OQ3.gguf in place of -hf ....

Faster decoding with the built-in MTP head (recommended)

Qwen3.8 ships a multi-token-prediction head, embedded in this GGUF as block 64. On llama.cpp b10502 or newer, enable it for a substantial decode speedup (community-measured +33–145% depending on hardware) — no separate draft model needed:

llama-server -hf oracomputing/Qwen3.8-27B-OQ3-GGUF \
  -c 131072 -ngl 999 -fa on \
  --spec-type draft-mtp --spec-draft-n-max 3 --parallel 1

--spec-draft-n-max 3 is a good default; the optimum is hardware-dependent, so try values 1–4. Measured on this file: draft acceptance ≈ 0.78. Older llama.cpp builds simply ignore the MTP tensors and run the model normally.

Vision (image / video input)

With -hf, the mmproj-F16.gguf vision projector from this repo is downloaded and paired automatically. When loading from local files, pass it explicitly:

llama-server -m Qwen3.8-27B-OQ3.gguf --mmproj mmproj-F16.gguf \
  -c 131072 -ngl 999 -fa on --image-min-tokens 1024

--image-min-tokens 1024 is recommended for grounding tasks. Vision and MTP flags can be combined.

Best practices (same as Qwen/Qwen3.8-27B):

  • Sampling parameters:
    • Thinking mode: temperature=1.0, top_p=0.95, top_k=20, min_p=0.0, presence_penalty=0.0, repetition_penalty=1.0
    • Instruct (non-thinking) mode: temperature=0.7, top_p=0.80, top_k=20, min_p=0.0, presence_penalty=1.5, repetition_penalty=1.0
    • If you hit endless repetition, raise presence_penalty between 0 and 2 (higher values can mix languages and slightly hurt quality).
  • Adequate output length: allocate generous token budgets for reasoning-heavy tasks — up to 262,144 tokens for reasoning content and 131,072 for the final response, within the model's native 262K context.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
54e4d52

0 моделей