/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
28 мая 2026

Qwen3.5-9B-MTP-GGUF

Изображение и текст → текст15 профессий

prithivMLmods/Qwen3.5-9B-MTP-GGUF — это GGUF-версия мультимодальной модели Qwen3.5-9B, разработанной командой Alibaba Qwen и основанной на Qwen/Qwen3.5-9B.

1 678скачиваний за 30 дней6лайковвеса 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

Модель содержит около 9 млрд параметров, использует гибридную архитектуру Gated DeltaNet и Gated Attention, поддерживает контекст до 262 тысяч токенов с возможностью расширения свыше 1 млн токенов посредством RoPE scaling и словарь размером 248 тысяч токенов. Заявлена поддержка 201 языка и раннее объединение текстовых, графических и видеоданных для единого мультимодального понимания.

Модель предназначена для генерации текста, мультимодального диалога, анализа изображений и видео, OCR, ответов на вопросы по визуальному содержимому, разбора документов и PDF, разработки программного обеспечения, frontend-разработки, многоязычных чат-ботов и агентских сценариев с вызовом инструментов. Она поддерживает переключаемый режим рассуждений и Multi-Token Prediction (MTP): дополнительные выходные головы прогнозируют несколько будущих токенов за один проход, что может ускорять инференс и спекулятивное декодирование без отдельной draft-модели. Доступны варианты от BF16/F16 до квантований Q2_K–Q8_0, а также отдельные мультимодальные проекционные файлы.

Сильными сторонами заявлены большой контекст, мультимодальность, широкий языковой охват, поддержка tool calling и возможность локального запуска через llama.cpp и Ollama, а также развёртывания через vLLM и SGLang. Для BF16 требуется около 18 ГБ видеопамяти, для 4-битных вариантов — около 5 ГБ; качество и требования к ресурсам зависят от выбранного квантования. README не приводит подробностей об ограничениях, систематических рисках или фактической совместимости всех вариантов с указанными средами. Модель 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

Qwen3.5-9B-MTP-GGUF

Qwen3.5-9B from Alibaba's Qwen team is a 9B-parameter dense multimodal language model featuring a hybrid Gated DeltaNet + Gated Attention architecture with 262K native context window (extensible to 1M+ tokens via RoPE scaling), 248K vocabulary supporting 201 languages, and early‑fusion training for unified text, image, and video understanding. It achieves SOTA performance across modalities with 89.2% OCRBench, 84.5% VideoMME, 78.9% MathVision, and 70.1% MMMU-Pro, while delivering production-level agentic capabilities including 66.1% BFCL-V4 and 79.1% TAU2-Bench for native tool calling, plus toggleable thinking mode for step-by-step reasoning on complex tasks. Apache 2.0-licensed and optimized for vLLM/SGLang/llama.cpp/Ollama deployment (~18GB VRAM BF16, ~5GB 4-bit), the instruction-tuned variant excels at repository-level coding, frontend development, document/PDF parsing, visual question answering, and multilingual chatbots as a scalable foundation for edge-to-server multimodal agents.

[!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
Qwen3.5-9B.BF16.ggufBF1618.4 GBDownload
Qwen3.5-9B.F16.ggufF1618.4 GBDownload
Qwen3.5-9B.Q2_K.ggufQ2_K3.91 GBDownload
Qwen3.5-9B.Q3_K_L.ggufQ3_K_L5.05 GBDownload
Qwen3.5-9B.Q3_K_M.ggufQ3_K_M4.74 GBDownload
Qwen3.5-9B.Q3_K_S.ggufQ3_K_S4.36 GBDownload
Qwen3.5-9B.Q4_0.ggufQ4_05.45 GBDownload
Qwen3.5-9B.Q4_K_M.ggufQ4_K_M5.78 GBDownload
Qwen3.5-9B.Q4_K_S.ggufQ4_K_S5.49 GBDownload
Qwen3.5-9B.Q5_0.ggufQ5_06.47 GBDownload
Qwen3.5-9B.Q5_K_M.ggufQ5_K_M6.64 GBDownload
Qwen3.5-9B.Q5_K_S.ggufQ5_K_S6.47 GBDownload
Qwen3.5-9B.Q6_K.ggufQ6_K7.56 GBDownload
Qwen3.5-9B.Q8_0.ggufQ8_09.79 GBDownload
Qwen3.5-9B.mmproj-bf16.ggufmmproj-bf16922 MBDownload
Qwen3.5-9B.mmproj-f16.ggufmmproj-f16922 MBDownload
Qwen3.5-9B.mmproj-q8_0.ggufmmproj-q8_0624 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
8cb5bdf

0 моделей