/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-2B
Библиотека
transformers
Опубликована
30 мая 2026

Qwen3.5-2B-MTP-GGUF

Изображение и текст → текст15 профессий

Qwen3.5-2B-MTP-GGUF — набор GGUF-файлов, подготовленный prithivMLmods на основе Qwen3.5-2B от команды Qwen компании Alibaba.

928скачиваний 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

Это компактная плотная мультимодальная модель примерно на 2 млрд параметров с поддержкой текста, изображений и видео. Модель ориентирована на локальный запуск на потребительском оборудовании и доступна в вариантах от Q2_K до BF16, а также с отдельными мультимодальными проекторами mmproj.

Архитектура включает 24 слоя с гибридным сочетанием Gated DeltaNet и Gated Attention, скрытым размером 2048, 8 Q-heads и 2 KV-heads с размерностью головы 256. Заявлены словарь на 248 тысяч токенов, поддержка 201 языка и нативное контекстное окно 262 тысячи токенов с возможностью расширения свыше 1 млн токенов через YaRN. Формат MTP добавляет несколько выходных голов для предсказания будущих токенов и может ускорять спекулятивное декодирование без отдельной draft-модели.

Модель предназначена для мультиязычных чат-ботов, визуальных вопросов и ответов, OCR, разбора документов, агентских сценариев, вызова инструментов и генерации кода для интерфейсов. Среди заявленных характеристик — режим пошагового рассуждения, поддержка vLLM, Ollama и llama.cpp, а также показатели 78,6% на IFEval, 66,5% на MMLU-Pro с включённым режимом рассуждения, 84,5% на OCRBench и 75,6% на VideoMME. Преимуществами являются малый размер, мультимодальность и широкий контекст; итоговое качество, скорость и требования к памяти зависят от выбранного типа квантизации, а для работы с изображениями и видео требуются соответствующие файлы mmproj. Распространяется по лицензии Apache 2.0.

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

Qwen3.5-2B-MTP-GGUF

Qwen3.5-2B from Alibaba's Qwen team is a compact 2B-parameter dense multimodal language model with native vision encoder, featuring a hybrid Gated DeltaNet + Gated Attention architecture (24 layers, hidden dim 2048, 8 Q heads / 2 KV heads with 256 head dim, 64 RoPE dim), 248K vocabulary for 201 languages, multi-token prediction, and a massive 262K native context window (extensible to 1M+ tokens via YaRN) for unified text, image, and video understanding. It achieves 16 on the Artificial Analysis Intelligence Index—outperforming all sub-2B models like phi-4-mini-instruct (14) and Llama-3.2-3B (15)—while delivering 78.6% IFEval, 66.5% MMLU-Pro (with thinking mode), 84.5% OCRBench, and 75.6% VideoMME at ~4.25GB VRAM (1.5GB in 4-bit), making it ideal for edge deployment. Apache 2.0-licensed with toggleable "thinking" mode for step-by-step reasoning, vLLM/Ollama/llama.cpp support, and native tool calling, it excels at agentic workflows, OCR, document parsing, visual QA, frontend coding, and multilingual chatbots as the intelligent "sweet spot" between 0.8B and 4B for local AI on consumer hardware.

[!NOTE] Multi-Token Prediction (MTP) GGUF is a specialized GGUF model file format extension that integrates speculative decoding directly into the model weights to significantly accelerate local inference. Unlike traditional speculative decoding which requires a separate, smaller "draft" model, MTP GGUF files include additional output heads within the main model architecture that predict multiple future tokens in a single forward pass.

Model Files

File NameQuant TypeFile SizeFile Link
Qwen3.5-2B.BF16.ggufBF163.9 GBDownload
Qwen3.5-2B.F16.ggufF163.9 GBDownload
Qwen3.5-2B.Q2_K.ggufQ2_K990 MBDownload
Qwen3.5-2B.Q3_K_L.ggufQ3_K_L1.2 GBDownload
Qwen3.5-2B.Q3_K_M.ggufQ3_K_M1.13 GBDownload
Qwen3.5-2B.Q3_K_S.ggufQ3_K_S1.05 GBDownload
Qwen3.5-2B.Q4_0.ggufQ4_01.24 GBDownload
Qwen3.5-2B.Q4_K_M.ggufQ4_K_M1.31 GBDownload
Qwen3.5-2B.Q4_K_S.ggufQ4_K_S1.25 GBDownload
Qwen3.5-2B.Q5_0.ggufQ5_01.42 GBDownload
Qwen3.5-2B.Q5_K_M.ggufQ5_K_M1.45 GBDownload
Qwen3.5-2B.Q5_K_S.ggufQ5_K_S1.42 GBDownload
Qwen3.5-2B.Q6_K.ggufQ6_K1.61 GBDownload
Qwen3.5-2B.Q8_0.ggufQ8_02.08 GBDownload
Qwen3.5-2B.mmproj-bf16.ggufmmproj-bf16671 MBDownload
Qwen3.5-2B.mmproj-f16.ggufmmproj-f16671 MBDownload
Qwen3.5-2B.mmproj-q8_0.ggufmmproj-q8_0365 MBDownload

Quants Usage

(sorted by size, not necessarily quality. IQ-quants are often preferable over similar sized non-IQ quants)

Here is a handy graph by ikawrakow comparing some lower-quality quant types (lower is better):

image.png

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
d4a4b30

0 моделей