/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.8-Flash-Next
Библиотека
gguf
Опубликована
29 авг 2026

Qwen3.8-Flash-Next-REAP-288-GGUF

Генерация текстаТекст → текст9 профессий

Qwen3.8-Flash-Next REAP-288 (GGUF) — это текстовая генеративная модель класса примерно 180B с архитектурой MoE, созданная sh0wie на основе Qwen/Qwen3.8-Flash-Next.

3 209скачиваний за 30 дней10лайковвеса обновлены29 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

В каждой MoE-слойной структуре число экспертов сокращено с 512 до 288 методом REAP. Модель преобразована непосредственно из полноточного источника bf16 в формат GGUF за один этап квантования и предназначена для запуска через llama.cpp, Ollama, LM Studio и совместимые инструменты.

Модель ориентирована прежде всего на агентное программирование и задачи генерации, анализа и рефакторинга кода. В тесте HumanEval вариант после pruning показал результат 91,5% (149 из 164) против 93,9% у полной модели, однако измерение выполнено на ветке MLX 4-bit, а для GGUF указано только совпадение выбора сохранённых экспертов и общего bf16-источника. Доступны варианты Q4_K_M размером 78 ГБ, Q5_K_M размером 87 ГБ и Q8_0 размером 116 ГБ: увеличение размера обычно повышает точность, но требует больше памяти и снижает скорость.

К сильным сторонам относятся высокая производительность в задачах программирования, выбор нескольких уровней квантования и совместимость с распространёнными локальными рантаймами. Ограничения включают возможное ухудшение качества за пределами распределения агентных задач программирования, отсутствие доверительных интервалов в оценках и отсутствие проверки работы с изображениями после pruning. Языки и размер контекста в README не указаны. Используется Qwen Community License 1.0, унаследованная от базовой модели.

Для каких профессий подходит9

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-Flash-Next REAP-288 (GGUF)

This is the REAP-288 build in GGUF, for llama.cpp and the tools built on it (Ollama, LM Studio, and similar). It is the 180B-class MoE with its experts pruned 512 -> 288 per layer, converted directly from the bf16 source in a single quantization step, so each file loses accuracy exactly once rather than stacking a re-quantization on top of an existing 4-bit build.

The pruned model scores 91.5% on HumanEval (149 of 164), against 93.9% for the unpruned full model. That number is measured on the MLX 4-bit lineage; the GGUF quants share the same kept-expert selection and derive from the same bf16 source.

If you run MLX on Apple Silicon instead of llama.cpp, use the 4-bit MLX build. The pmlx engine and its speedups apply to the MLX builds, not to GGUF; nothing on this card depends on it.

Files

Converted from the bf16 source. Pick one quant; larger files are higher fidelity and slower. Take Q4_K_M for the smallest, fastest build, Q8_0 for the highest quality, and Q5_K_M if you want a middle point.

QuantSizeNotes
Q4_K_M78 GBgood default: smallest and fastest, strong quality
Q5_K_M87 GBhigher fidelity, more memory
Q8_0116 GBnear-lossless, largest and highest quality

Run it

llama.cpp:

# build llama.cpp, then:
llama-server -m Qwen3.8-Flash-Next-REAP-288-Q4_K_M.gguf --port 8080
# or a one-shot completion:
llama-cli   -m Qwen3.8-Flash-Next-REAP-288-Q4_K_M.gguf -p "Refactor this function to add input validation."

Ollama (pulls the quant straight from this repo):

ollama run hf.co/sh0wie/Qwen3.8-Flash-Next-REAP-288-GGUF:Q4_K_M

Provenance

  • Qwen/Qwen3.8-Flash-Next: upstream weights.
  • sh0wie/Qwen3.8-Flash-Next-REAP-288-bf16: the full-precision REAP-288 source these files are quantized from. REAP expert pruning 512 -> 288 per layer, calibrated on-device over ~686K tokens of agentic-coding traffic.

Limitations

  • Calibration reflects one team's agentic-coding distribution. Retention numbers should not be read as general-domain; domains far from code may degrade more.
  • Single-run evaluations on the lineage, no confidence intervals. Vision input is untested after pruning.

License

Qwen Community License 1.0, inherited from the base model Qwen/Qwen3.8-Flash-Next.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
2af8d94

0 моделей