Характеристики

Контекст: 262 144 токена
Параметры: 2,9 млрд
Лицензия: Apache 2.0
Архитектура: qwen3_5_moe · MoE
Базовая модель: Qwen3.6-35B-A3B
Библиотека: mlx
Опубликована: 13 авг 2026

Ссылки

Qwen3-6-KMP-Dev-MLX-3bit

Генерация текстаТекст → текст3 профессии

Прореженная и квантизированная до 3 бит модель Qwen для генерации кода и агентной разработки на Kotlin Multiplatform и Swift.

37скачиваний за 30 дней0лайковвеса обновлены13 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

Qwen3.6-35B-A3B KMP Dev — производная от Qwen3.6-35B-A3B модель, подготовленная для разработки на Kotlin Multiplatform и использования инструментов агентами. По README, разработчик применил прореживание экспертов, оставив наиболее активные эксперты для Kotlin, Swift, связанных библиотек и фреймворков, а также для английского и русского языков. Модель распространяется в формате MLX с 3-битной квантизацией; в метаданных указаны 2,9 млрд параметров и контекст до 262 144 токенов.

Архитектура — MoE с чередованием слоёв внимания и SSM (Gated DeltaNet); README описывает 40 слоёв, 150 экспертов на слой и 8 активных экспертов. Модель предназначена для генерации кода и ответов по Kotlin Multiplatform, Swift, Gradle и перечисленным в карточке экосистемам, а также для диалогов, рассуждений и вызова инструментов. Поддерживает английский и русский; лицензия — Apache 2.0.

Узкая специализация получена удалением экспертов, связанных с рядом других языков программирования и тематик, поэтому модель не подходит как универсальный помощник по этим областям. README предупреждает, что один из вариантов GGUF IQ1_M зацикливается при использовании инструментов; это предупреждение относится к указанному варианту, а не обязательно к MLX-сборке.

Сценарии применения

генерация кода для Kotlin Multiplatform
помощь с приложениями на Jetpack Compose и Compose Multiplatform
разработка на Swift и SwiftUI
ответы на вопросы о Gradle, Coroutines и библиотеках Kotlin
вызов инструментов в агентных сценариях разработки
обсуждение технических задач на русском и английском

Ограничения

Специализация на Kotlin Multiplatform и Swift достигнута удалением экспертов для многих других языков программирования и тематик, поэтому возможности за пределами заявленных областей могут быть ограничены. В README отмечено зацикливание при вызове инструментов у варианта GGUF IQ1_M.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-35B-A3B KMP Dev (MLX 3-bit)

A pruned Qwen3.6-35B-A3B model optimized for Kotlin Multiplatform development and agentic tool use, converted to MLX 3-bit format.

License: Apache 2.0. Based on Qwen3.6-35B-A3B by Alibaba Cloud (Apache 2.0). Modified via expert pruning.

What's kept

Kotlin, Swift, Gradle, Coroutines, RxSwift, Jetpack Compose, Compose Multiplatform, SwiftUI, Decompose, Metro, Koin, Ktor, Room, Coil
English and Russian
Reasoning, instruction following, tool use / function calling
General knowledge (humanities)

What's removed

Other programming languages (Python, Java, Go, Rust, C, JS, PHP, Ruby, TS, HTML, bash, Qt)
Science/tech/esoteric domains (medicine, law, biology, chemistry, astronomy, physics, esoterics, cooking, dietetics)
All languages except English and Russian

Pruning method

Smart pruning: kept top-150 most active experts per layer (out of 256) based on heat data
Calibrated on 36 texts × 3 runs (Kotlin, Swift, RU/EN, SQL, architecture, reasoning, tool use, JSON/API) — 100% deterministic
Experts that don't activate on keep-texts are physically removed
Quantization: 3-bit (MLX)

Usage

MLX

pip install mlx-lm

from mlx_lm import load, generate

model, tokenizer = load("siendsi/Qwen3-6-KMP-Dev-MLX-3bit")
response = generate(model, tokenizer, "Write a Kotlin function to parse JSON")
print(response)

LM Studio

Search for siendsi/Qwen3-6-KMP-Dev-MLX-3bit in LM Studio.

Variants

Variant	Format	Size	Quality
GGUF Q3_K_M	GGUF	9.7GB	~90% of original
GGUF Q2_K	GGUF	7.6GB	~75% of original
GGUF IQ1_M	GGUF	4.9GB	~60% of original, loops on tool use
MLX 3-bit	safetensors	11GB	~90% of original
MLX 2-bit	safetensors	6.3GB	~75% of original

Architecture

40 layers, hybrid: attention (every 4th) + SSM (Gated DeltaNet) + MoE
150 experts/layer, 8 active, 1 shared
embedding 2048, 16 heads, 2 KV heads, head_dim 256
rope dim 64, mrope [11,11,10,0], freq_base 10M

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.

Класс архитектуры: Qwen3_5MoeForConditionalGeneration
Ревизия весов: a6c2af0