/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B-heretic-ara
Библиотека
gguf
Опубликована
22 авг 2026

Qwen3.8-27B-heretic-ara-MXFP6-MXFP8-DFlash2-GGUF

Генерация текстаТекст → текст5 профессий

GGUF-сборка Qwen3.8-27B Heretic ARA с черновой моделью DFlash2 для текстового чата и спекулятивного ускорения генерации на Blackwell.

131скачиваний за 30 дней0лайковвеса обновлены23 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 GGUF-сборка модели Qwen3.8-27B Heretic ARA, объединённая с черновой моделью DFlash2 для спекулятивного декодирования. Репозиторий подготовил sirus; целевая модель содержит около 27,3 млрд параметров и предназначена для текстовой генерации и чата с ускорением вывода через DFlash2 в llama.cpp.

Веса используют смесь MXFP6_E2M3 и OCP MXFP8, размер целевого файла — около 20,72 ГиБ; отдельно поставляется черновая модель размером около 1,47 ГиБ. Для запуска требуется Blackwell-оптимизированная экспериментальная сборка llama.cpp, поскольку формат MXFP6_E2M3 не поддерживается стандартной версией. Репозиторий сообщает об успешных структурных проверках и пробных генерациях, но не приводит итоговой оценки качества PPL/KLD или подтверждённого сравнительного выигрыша в скорости. Лицензия — Apache-2.0.

Сценарии применения

  • локальный чат и ответы на текстовые запросы
  • генерация продолжений текста
  • ускоренный вывод Qwen3.8-27B через спекулятивное декодирование
  • эксперименты с инференсом GGUF на GPU Blackwell

Ограничения

Для работы нужна совместимая экспериментальная сборка llama.cpp с поддержкой MXFP6_E2M3 и Blackwell; стандартный llama.cpp не подходит. Итоговая оценка PPL/KLD и контролируемое сравнение скорости с BF16 не представлены.

Для каких профессий подходит5

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

Qwen3.8-27B Heretic ARA MXFP6/MXFP8 with DFlash2

This repository contains a custom GGUF target and its companion DFlash2 draft for Blackwell-optimized llama.cpp inference.

Use the matching runtime: sirus20x6/llama.cpp-blackwell-dflash2.

Files

FilePurposeSizeSHA-256
Qwen3.8-27B-heretic-ara-MXFP6-MXFP8.gguf27B target20.72 GiB238141420ea8f5e8f051dd5c42b741ad09d02565f540aba5ac233dff7f0490c1
Qwen3.8-27B-DFlash2-MXFP6_E2M3.ggufDFlash2 companion draft1.47 GiB590f4b562f23019f28871bad8c925d6932ccde79c88e27c3228e7d9159859620

The target has 27,320,697,856 parameters and is approximately 6.51 BPW. Its matrix tensor mix is:

  • 396 MXFP6_E2M3 tensors;
  • 110 OCP MXFP8 tensors;
  • MTP tensors preserved.

MXFP6_E2M3 is an experimental GGUF extension and is not compatible with stock llama.cpp. Use the linked fork.

Sources

Download and run

git clone https://github.com/sirus20x6/llama.cpp-blackwell-dflash2
cd llama.cpp-blackwell-dflash2
./build-blackwell-dflash2.sh

hf download \
  sirus/Qwen3.8-27B-heretic-ara-MXFP6-MXFP8-DFlash2-GGUF \
  Qwen3.8-27B-heretic-ara-MXFP6-MXFP8.gguf \
  Qwen3.8-27B-DFlash2-MXFP6_E2M3.gguf \
  --local-dir models

./run-qwen3.8-heretic-dflash2.sh

The launcher defaults to one 262144-token slot, MXFP8 K/V cache, and seven DFlash2 draft tokens. The checkpoint's trained block size is eight, including one anchor token.

Performance note

The earlier tri-quant target was slower in our observed testing. A previous version of this card included throughput figures collected with differing runtime, cache, context, and execution settings. Those values were not a valid controlled comparison and have been withdrawn. No comparative performance claim is made here until the artifacts are rerun under an identical benchmark configuration.

Validation and limitations

  • Structural GGUF inspection passed.
  • MTP preservation passed.
  • Completion smoke tests passed.
  • Device-resident DFlash2 handoff was tested through a 65,588-token request.
  • No final PPL/KLD evaluation was produced, so this release makes no quantified quality claim against BF16.
  • The target artifact is text-only.
  • MXFP6_E2M3 and the bundled runtime are experimental.

License and attribution

The source target and DFlash2 draft are Apache-2.0. See LICENSE.

The runtime repository retains llama.cpp, advanced-gguf-quantizer, TurboQuant, and Four Over Six notices and links. DFlash2 originates from Inco AI. The Heretic ARA model originates from heretic-org and the Heretic project.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
185983d

0 моделей