/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
28,7 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-Uncensored
Библиотека
mlx
Опубликована
26 авг 2026

orcarouter-Qwen3.8-27B-Uncensored-MXFP8

Изображение и текст → текст11 профессий

sahilchachra/orcarouter-Qwen3.8-27B-Uncensored-MXFP8 — это квантизированная версия модели orcarouter/Qwen3.8-27B-Uncensored, созданная пользователем sahilchachra с использованием MLX.

451скачиваний за 30 дней0лайковвеса обновлены27 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 основана на Qwen3.8-27B и предназначена для задач генерации текста и обработки изображений с формированием текстовых ответов. Она поддерживает запуск на компьютерах Apple Silicon через mlx-vlm и совместима с LM Studio.

Модель относится к vision-language моделям архитектуры qwen3_5. Текстовый блок содержит 64 слоя и сочетает линейное внимание GatedDeltaNet с полноразмерным вниманием, используемым в каждом четвёртом слое; визуальная часть построена на Qwen3-VL. Текстовая часть квантизирована в формате MXFP8 с эффективными 8,381 битами на вес и группами размера 32, тогда как vision tower сохранён в формате bf16. Размер файлов модели составляет около 27 ГБ в 26 сегментах, поэтому для запуска рекомендуется Mac минимум с 32 ГБ оперативной памяти.

Это reasoning-модель, которая перед финальным ответом генерирует канал рассуждений. Версия MXFP8 структурно проверена, однако полная генерация токен за токеном на машине с 24 ГБ памяти не тестировалась. В модели отсутствует MTP head, поэтому недоступно speculative decoding; остальные текстовые и визуальные возможности не затронуты. Модель является намеренно uncensored/abliterated-производной и может не отказывать в запросах, которые могла бы отклонить исходная модель, поэтому требует ответственного использования. Распространяется по лицензии Apache-2.0.

Для каких профессий подходит11

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

orcarouter-Qwen3.8-27B-Uncensored — MLX MXFP8

MLX MXFP8 quantization of orcarouter/Qwen3.8-27B-Uncensored, an uncensored fine-tune of Qwen3.8-27B. Qwen3.8-27B is a qwen3_5 vision-language model with a hybrid GatedDeltaNet linear-attention + full-attention text backbone (64 layers, full attention every 4th) and a Qwen3-VL vision tower. Runs on Apple Silicon via mlx-vlm. Stays image-text-to-text — the vision tower is kept in bf16; only the text backbone is quantized.

PrecisionMXFP8 (E4M3 + E8M0 shared scale, group size 32)
Bits per weight8.381 bpw
On-disk size27 GB (26 shards)
Quantizedtext backbone (incl. the ~1.27B lm_head)
Kept in bf16Qwen3-VL vision tower

Quantizations

VariantBitsSize
orcarouter-Qwen3.8-27B-Uncensored-MXFP44.449 bpw14 GBsmaller / for 16 GB+
orcarouter-Qwen3.8-27B-Uncensored-MXFP88.381 bpw27 GB← this repo

Verification

This higher-fidelity build was verified structurally (correct tensor shapes, format: mlx metadata, consistent shard index, vision tower intact in bf16). Full token-by-token generation was not benchmarked on the 24 GB test machine because 27 GB exceeds its RAM; on a 32 GB+ Mac it runs at normal speed. Since MXFP8 uses more bits than the MXFP4 build — which passed text + vision smoke tests end-to-end — it is at least as faithful to the base model.

See the MXFP4 build for the full generation/vision smoke-test results.

Usage (mlx-vlm)

pip install -U mlx-vlm   # needs the qwen3_5 architecture (>= 0.6.12)
from mlx_vlm import load, generate
from mlx_vlm.prompt_utils import apply_chat_template

model, processor = load("sahilchachra/orcarouter-Qwen3.8-27B-Uncensored-MXFP8")
config = model.config

prompt = apply_chat_template(processor, config, "What is the capital of France?")
print(generate(model, processor, prompt, max_tokens=256, verbose=True))

This is a reasoning model; it produces a <think> channel before its answer.

Run in LM Studio

Loads and runs in LM Studio (tested on 0.4.20, mlx-llm runtime): the qwen3_5 architecture is recognized, the model indexes cleanly (format: mlx present), and the ChatML template runs as-is. This is a reasoning model — it emits a thinking channel (reasoning_content) before the final content, so give it enough max_tokens (e.g. 200+) or the answer can be empty while it is still thinking. Verified: "capital of France" → reasoning + content = "Paris".

Note: at 27 GB this needs a 32 GB+ Mac to load under LM Studio's default guardrails.

Notes & limitations

  • Uncensored model. This is a deliberately uncensored/abliterated derivative and will not refuse requests the way the original might. Use responsibly and in line with the base model's license and your local laws.
  • MTP head dropped. The base model's multi-token-prediction (speculative decoding) head is not included — mlx-vlm strips the mtp.* weights on load. Text and vision are unaffected; only spec-decode is not available.
  • tie_word_embeddings=false, so the ~1.27B lm_head is a separate matrix and is quantized. Verified correct on the MXFP4 build above.
  • Inherits all capabilities and limitations of the base model. See the original model card.
  • Quantized by @sahilchachra with MLX. Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
157a90f

0 моделей