/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.5-9B
Библиотека
gguf
Опубликована
14 мая 2026

Qwen3.5-9B-BitClass-GGUF

Генерация текстаТекст → текст6 профессий

Смешанные GGUF-квантования Qwen3.5-9B для диалоговой генерации текста с выбором баланса между размером и качеством.

128скачиваний за 30 дней0лайковвеса обновлены13 июн 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 набор смешанных по точности GGUF-квантований Qwen3.5-9B, подготовленный автором репозитория с помощью обученных профилей квантования для групп тензоров. Архитектура исходной модели гибридная: 24 слоя DeltaNet с линейным вниманием и 8 слоёв стандартного внимания; в README указана обработка 250 весовых тензоров. Доступны семь уровней точности с целевым бюджетом от 3,0 до 5,0 бит на параметр. Метаданные указывают Qwen/Qwen3.5-9B как базовую модель, библиотеку GGUF и лицензию Apache-2.0.

Модель предназначена для диалоговой генерации текста и запуска через llama.cpp. Выбор файла позволяет подобрать компромисс между размером и качеством: README рекомендует вариант 3,5 bpw для соотношения качества и размера, 3,0 bpw для максимального сжатия и 4,5 bpw для максимального качества в этой линейке. В собственных тестах автора приведены значения perplexity на наборе из 20 фрагментов с контекстом 512 токенов; эти результаты не гарантируют такое же качество на других задачах и оборудовании. Это квантованная производная Qwen3.5-9B, а не отдельная архитектура.

Сценарии применения

  • локальный запуск чат-модели через llama.cpp
  • ответы на вопросы в диалоге
  • генерация и продолжение текста
  • выбор компактной модели для оборудования с ограниченной памятью

Ограничения

Квантование сокращает размер весов, но может снижать качество; README приводит результаты perplexity лишь на ограниченном наборе из 20 фрагментов и контексте 512 токенов. Описание не подтверждает поддержку мультимодального ввода в этих GGUF-файлах.

Для каких профессий подходит6

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 — BitClass Mixed-Precision GGUF

Mixed-precision GGUF quantizations of Qwen3.5-9B using learned per-tensor quantization profiles. Each tensor group receives the precision level that minimizes quality loss for its importance — more bits where they matter, fewer where they don't.

Qwen3.5-9B uses a hybrid DeltaNet + Attention architecture (24 DeltaNet layers + 8 standard attention layers). Our pipeline includes full support for DeltaNet's unique tensor groups (in_proj_qkv, in_proj_z, out_proj) alongside standard attention and MLP tensors — 10 suffix groups, 250 weight tensors total.

Seven precision levels from compact (3.0 bpw) to high quality (5.0 bpw).

Models

FileTarget BPWSizePPL ↓Family
Qwen3.5-9B-MX-3.0bpw.gguf3.03.79 GB2.099IQ
Qwen3.5-9B-MX-3.2bpw.gguf3.23.82 GB2.072IQ
Qwen3.5-9B-MX-3.5bpw.gguf3.54.38 GB1.957KQ
Qwen3.5-9B-MX-3.8bpw.gguf3.84.48 GB1.957KQ
Qwen3.5-9B-MX-4.0bpw.gguf4.04.59 GB1.922KQ
Qwen3.5-9B-MX-4.5bpw.gguf4.55.24 GB1.879KQ
Qwen3.5-9B-MX-5.0bpw.gguf5.05.46 GB~1.87KQ

Target BPW is the planner's per-tensor bit budget (and the filename label). The actual whole-file BPW runs ~0.3–0.4 higher, because output/embedding tensors are kept at higher precision and GGUF carries metadata overhead — see the Size column for the real footprint.

Recommended: MX-3.5bpw for the best quality-to-size ratio. MX-3.0bpw for maximum compression. MX-4.5bpw for the highest quality in this ladder.

How It Compares

ModelBPWSizePPL ↓Source
ByteShape IQ3_S 2.812.813.15 GB2.218byteshape
ByteShape IQ3_S 3.003.003.37 GB2.069byteshape
★ Ours MX-3.03.03.79 GB2.099This repo
ByteShape IQ3_S 3.153.153.53 GB2.033byteshape
★ Ours MX-3.23.23.82 GB2.072This repo
★ Ours MX-3.53.54.38 GB1.957This repo
ByteShape IQ4_XS 3.603.604.04 GB1.947byteshape
★ Ours MX-4.04.04.59 GB1.922This repo
ByteShape IQ4_XS 4.204.204.71 GB1.866byteshape
Bartowski Q3_K_S4.404.93 GB1.898bartowski
★ Ours MX-4.54.55.24 GB1.879This repo
★ Ours MX-5.05.05.46 GB~1.87This repo
Bartowski Q4_K_M5.506.17 GB1.856bartowski

All models benchmarked in the same session on identical hardware (NVIDIA GB10 ATOM, GPU) for fair comparison.

Key Results

  • Near-parity with ByteShape at low BPW: MX-3.0 (PPL 2.099) vs ByteShape 3.00 (PPL 2.069) — 1.4% behind, at a larger file (3.79 vs 3.37 GB)
  • Competitive at mid-range: MX-3.5 (PPL 1.957) vs ByteShape 3.60 (PPL 1.947) — 0.5% behind, at 4.38 vs 4.04 GB
  • Beats Bartowski Q3_K_S: MX-4.5 (PPL 1.879) vs Bartowski Q3_K_S (PPL 1.898) — 1.0% better, at a larger file (5.24 vs 4.93 GB)

DeltaNet Architecture

Qwen3.5-9B is not a standard transformer. It uses a hybrid architecture:

  • 24 DeltaNet layers with linear attention (in_proj_qkv, in_proj_z, out_proj tensors)
  • 8 standard attention layers (q_proj, k_proj, v_proj, o_proj)
  • 32 MLP layers (gate_proj, up_proj, down_proj)

Our pipeline handles all 10 tensor suffix groups with appropriate quantization profiles for each.

Running with llama.cpp

# Chat
llama-cli -m Qwen3.5-9B-MX-3.5bpw.gguf -cnv

# Server (OpenAI-compatible API)
llama-server -m Qwen3.5-9B-MX-3.5bpw.gguf --port 8080

# Benchmark
llama-perplexity -m Qwen3.5-9B-MX-3.5bpw.gguf -f your_eval_data.txt

Benchmarking Details

All benchmarks run with llama.cpp (commit 406f4e3) on NVIDIA GB10 ATOM GPU with full offload (-ngl 999). Perplexity measured via llama-perplexity on a held-out evaluation set (20 chunks, 512 context). Throughput via llama-bench (512 prompt / 128 generation tokens). All models benchmarked in the same session.

Disclaimer

Independent project. Not affiliated with or endorsed by Qwen, Unsloth, ByteShape, Bartowski, or llama.cpp. Competitor figures are from our own benchmark harness and may differ from those projects' self-reported numbers; competitor file sizes reflect the revision we tested and may since have changed.

License

Apache 2.0, inherited from Qwen3.5-9B.

Acknowledgments

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
3247183

0 моделей