/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-Flash-Next
Библиотека
llama.cpp
Опубликована
16 сен 2026

cyberneurova-Qwen3.8-Flash-Next-i1-GGUF

Генерация текстаТекст → текст3 профессии

cyberneurova-Qwen3.8-Flash-Next-i1-GGUF — это набор GGUF-квантизаций модели cyberneurova-Qwen3.8-Flash-Next, созданный spiritfather на основе Qwen/Qwen3.8-Flash-Next.

15 074скачиваний за 30 дней4лайкавеса обновлены23 сен 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

Исходную модель разработала cyberneurova; данный репозиторий содержит только квантизированные варианты. Модель предназначена для генерации текста и запускается через llama.cpp.

Основные сценарии применения — творческое письмо, создание прозы и ролевая генерация. Модель оценивалась в CaliperBench, ориентированном на качество прозы, ролевое взаимодействие и готовность отвечать, однако эти результаты не характеризуют общий интеллект модели. Архитектурные параметры, количество параметров, поддерживаемые языки, модальности и размер контекста в README не указаны.

Доступны плоские imatrix-квантизации и варианты PLE со смешанной точностью для MoE-архитектуры. В PLE-вариантах основной тракт сохраняется на уровне Q8_0, а тензоры маршрутизируемых экспертных FFN квантизуются послойно; заявлено улучшенное соотношение качества и размера. Вариант IQ4_XS близок к Q8_0 по показателю PPL, а более компактные IQ2_M и IQ3_XXS требуют меньше памяти, но сильнее отклоняются от базовой версии. Размеры файлов составляют примерно 80,4–119,2 ГБ для плоских вариантов и 100,9–116,7 ГиБ для PLE-вариантов, поэтому для запуска требуется значительный объём памяти. Это uncensored/unrestricted-версия без исходного отказного поведения, что может быть ограничением с точки зрения безопасности и модерации.

Распространение указано по лицензии Apache-2.0. Для запуска PLE-вариантов README также указывает внешний MTP draft model; конкретные требования к аппаратному обеспечению и параметры контекстного окна не приведены.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cyberneurova-Qwen3.8-Flash-Next — GGUF (imatrix (i1) quants)

[!Note] All credit for the model goes to cyberneurova, who produced cyberneurova-Qwen3.8-Flash-Next. These are quantizations only.

[!Tip] Benchmarked on CaliperBench — a creative-writing benchmark scoring prose craft, roleplay and willingness rather than general intelligence. See this model's scores: caliperbench.com

[!Important] Requantized with PLE (per-layer expert) mixed precision. The IQ2_M / IQ3_XXS / IQ3_M / IQ4_XS quants have been rebuilt with mixed quantization: trunk (attention, shared experts, embeddings) stays at Q8_0 while routed expert FFN tensors are quantized per-layer — up/gate projections at the named precision, down projections at IQ4_NL. This gives significantly better quality-per-byte than flat imatrix quants on MoE architectures. Each rung pairs with the external MTP draft model from the static repo. IQ4_XS is near-lossless (+0.28% PPL vs Q8_0).

This is an uncensored/unrestricted version of Qwen3.8-Flash-Next. Only the refusal behavior is removed; general model capabilities are preserved. IQ1/IQ2 quants are not available for this architecture (qwen4exp hyper-connection tensors are not covered by the imatrix calibration). Use the static Q2_K from the static repo as the lowest available quant.

imatrix (importance matrix) computed over bartowski calibration_datav3 on this model's own bf16. Weighted quants spend their bits where the calibration text says the model is sensitive; they are usually preferable to a static quant of the same size below Q5.

PLE mixed quants (new)

Requantized from bf16 with per-layer expert mixed precision. Trunk at Q8_0; routed expert tensors overridden per rung. All rungs use the same external MTP draft model (Q8_0) from the static repo.

QuantSizeMixture (default / up / gate / down)PLEMTP pairPPL (wikitext-2, ctx 512)vs Q8_0KLD vs Q8_0
IQ2_M100.9 GiBQ8_0 / IQ2_S / IQ2_S / IQ4_NLQ8_0✓5.1252 ± 0.032+5.97%0.150323 ± 0.000859
IQ3_XXS105.6 GiBQ8_0 / IQ3_XXS / IQ3_XXS / IQ4_NLQ8_0✓4.9843 ± 0.031+3.05%0.093681 ± 0.000580
IQ3_M109.1 GiBQ8_0 / IQ3_S / IQ3_S / IQ4_NLQ8_0✓4.9869 ± 0.031+3.11%0.072916 ± 0.000464
IQ4_XS116.7 GiBQ8_0 / IQ4_XS / IQ4_XS / IQ4_NLQ8_0✓4.8502 ± 0.030+0.28%0.039888 ± 0.000269

Q8_0 baseline PPL: 4.8366 ± 0.030. Trunk (non-expert Q8_0): 55.8 GiB constant across all rungs.

Flat imatrix quants

QuantSizeNotes
Q2_K80.4 GB
IQ3_S88.9 GB
Q3_K_S88.8 GB
Q3_K_M94.2 GBIQ3_S probably better
Q3_K_L96.6 GB
IQ4_NL100.1 GB
Q4_0100.3 GB
Q4_K_S106.2 GBoptimal size/speed/quality
Q4_K_M119.2 GBfast, recommended
Q4_1111.0 GB
Q5_K_S127.8 GB
Q5_K_M134.1 GB
Q6_K167.6 GBpractically like static Q6_K

Loading (any current llama.cpp)

llama-server -m cyberneurova-Qwen3.8-Flash-Next-IQ4_XS.gguf -ngl 99 -fa on -c 32768 -ctk q8_0 -ctv q8_0 --jinja

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
d2d2635

0 моделей