/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Huihui-Qwen3.8-27B-abliterated
Опубликована
18 авг 2026

Huihui-Qwen3.8-27B-abliterated-NVFP4-GGUF

Генерация текстаТекст → текст15 профессий

Мультимодальная GGUF-версия диалоговой модели Qwen3.8 на 27 млрд параметров для генерации текста и анализа изображений с ускорением MTP.

2 263скачиваний за 30 дней1лайквеса обновлены18 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

Это мультимодальная диалоговая модель семейства Qwen3.8 на 27 млрд параметров, представленная в формате GGUF. Репозиторий подготовлен renketong: веса NVFP4 перенесены из safetensors в GGUF без повторной квантизации; в комплект входят MTP-голова для спекулятивного декодирования и отдельный проектор для обработки изображений. В README указана архитектура qwen35 с 64 слоями и одним MTP-слоем, а также нативный контекст 262 тыс. токенов.

Модель предназначена для генерации текста и диалогов, включая работу с кодом и JSON, а также анализа изображений при загрузке проектора mmproj. Abliteration уменьшает число отказов, а MTP может ускорять генерацию в совместимом ПО, например llama.cpp и LM Studio. Это производная модель в цепочке от Qwen/Qwen3.8-27B через Huihui-Qwen3.8-27B-abliterated и NVFP4-квантизацию. Лицензия репозитория — Apache-2.0.

Модель ориентирована на локальный запуск и требует совместимой инфраструктуры; заявленная поддержка NVFP4 связана с ускорителями NVIDIA Blackwell. Снижение отказов означает, что модель может отвечать на запросы, от которых обычно отказывается система с защитными настройками. Измерения скорости в README сделаны на RTX 5090 и зависят от типа текста и параметров MTP.

Сценарии применения

  • диалоговые ответы и генерация текста
  • написание и дополнение кода
  • генерация структурированных ответов в формате JSON
  • анализ изображений в диалоге
  • локальный запуск мультимодальной языковой модели

Ограничения

Для обработки изображений требуется загрузить проектор mmproj; ускорение MTP зависит от совместимого ПО и настроек. Abliteration уменьшает отказы модели, а производительность и качество могут меняться в зависимости от содержания и конфигурации запуска.

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

Huihui-Qwen3.8-27B-abliterated-NVFP4-GGUF

GGUF conversion of huihui-ai / Qwen3.8-27B-abliterated (uncensored) quantized to NVFP4, converted from the source NVFP4 safetensors by sakamakismile.

Upstream lineage:

  1. Qwen/Qwen3.8-27B (Apache-2.0) — base model
  2. huihui-ai/Huihui-Qwen3.8-27B-abliterated — abliterated (uncensored) fine-tune
  3. sakamakismile/Huihui-Qwen3.8-27B-abliterated-NVFP4 — NVFP4 quantized safetensors (compressed-tensors, nvfp4-pack-quantized)
  4. This repo — lossless repack to GGUF via convert_hf_to_gguf.py (no re-quantization, no precision loss)

Files

FileSizeDescription
Qwen3.8-27B-huihui-NVFP4.gguf19.65 GBMain model. NVFP4 MLP + attention, Q5_K embeddings, BF16 MTP head, 262K native context
mmproj-huihui.gguf931 MBBF16 vision projector (mmproj) for image input
  • Architecture: qwen35 (Qwen3_5ForConditionalGeneration), 64 layers + 1 MTP layer (nextn_predict_layers=1)
  • Bits per weight: ~5.6 BPW
  • The MTP (multi-token prediction) head ships in the file — speculative decoding works out of the box in llama.cpp / LM Studio
  • Vision projector enables image input (Qwen3-VL path); load it alongside the main model.

Load in LM Studio / llama.cpp

# llama.cpp: text-only
llama-server \
  -m Qwen3.8-27B-huihui-NVFP4.gguf \
  --spec-type draft-mtp \
  --spec-draft-n-max 2 \
  -c 163840 \
  -ngl 999

# llama.cpp: with vision
llama-server \
  -m Qwen3.8-27B-huihui-NVFP4.gguf \
  --mmproj mmproj-huihui.gguf \
  --spec-type draft-mtp \
  --spec-draft-n-max 2 \
  -c 131072 \
  -ngl 999

LM Studio settings

  • Draft probability: 0 — critical. Default 0.75 rejects ~60% of correct MTP drafts and collapses speculative speed to base rate (60-70 t/s). Setting 0 accepts all drafts and unlocks ~120 t/s.
  • Min draft tokens: 0–2
  • Max draft tokens: 2–3 (acceptance collapses at ≥4)
  • KV cache quant: q8_0 recommended

Measured speed — RTX 5090 (32 GB), LM Studio, 2026-08

MTP acceptance rate drives speed; content type drives acceptance rate:

ContentDraft acceptanceSpeed
Code / JSON80–96%117–129 t/s
Math reasoning71%114 t/s
Chinese / English prose37–48%88–91 t/s

Notes:

  • Short outputs (<50 tokens) measure low due to prefill amortization — irrelevant to real use.
  • The ~8% gap vs Q8-attention builds (e.g. utautako/Qwen3.8-27B-NVFP4-MTP-Q8attn-GGUF) is the price of full-NVFP4 attention; it buys smaller size and full abliteration.

How it was converted

Lossless repack from compressed-tensors NVFP4 safetensors — no dequantization → requantization round trip:

git clone --depth 1 https://github.com/ggml-org/llama.cpp
pip install -r requirements.txt  # torch + numpy + pyyaml + transformers

python convert_hf_to_gguf.py ./Huihui-Qwen3.8-27B-abliterated-NVFP4 \
  --outfile Qwen3.8-27B-huihui-NVFP4.gguf --outtype auto
python convert_hf_to_gguf.py ./Huihui-Qwen3.8-27B-abliterated-NVFP4 \
  --outfile mmproj-huihui.gguf --mmproj

Conversion is pure CPU (mmap, no VRAM), ~1 minute for 27B on a modern desktop.

Why this model

  • Uncensored (abliterated) — no safety refusals
  • NVIDIA NVFP4 — native Blackwell FP4 tensor cores, faster than GGUF Q4/Q5 k-quants at similar size
  • MTP speculative decoding — roughly doubles throughput over autoregressive baseline (65 → ~120 t/s on code)
  • Vision — image input supported via mmproj

License

Apache-2.0. Base model: Qwen/Qwen3.8-27B. Fine-tune: huihui-ai. Quantization source: sakamakismile. GGUF conversion: renketong.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
9933d33

0 моделей