/ Модель

Характеристики

Размер весов
20 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.6-35B-A3B
Библиотека
mlx
Опубликована
12 мая 2026

Qwen3.6-35B-A3B-Claude-4.7-Opus-Reasoning-Distilled-MLX-oQ4-MTP

Генерация текстаТекст → текст10 профессий

Модель stamsam/Qwen3.6-35B-A3B-Claude-4.7-Opus-Reasoning-Distilled-MLX-oQ4-MTP представляет собой 4-битную конверсию и квантизацию для локального вывода в MLX/oMLX.

1 495скачиваний за 30 дней30лайковвеса обновлены12 мая 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

Она основана на Qwen3.6-35B-A3B и чекпойнте, дистиллированном из Claude Opus 4.7; новую тренировку или дообучение автор не проводил. Разработчик конверсии — stamsam, при этом в README указаны вклад авторов базовой модели, исходного дистиллированного чекпойнта и сообщества MLX/oMLX.

Модель предназначена для генерации текста и задач рассуждения при локальном запуске, прежде всего на компьютерах Apple Silicon с использованием oMLX. Архитектура — MoE с общим размером около 35 млрд параметров и примерно 3 млрд активных параметров на токен. Используется формат MLX oQ4 с 4-битной квантизацией и размером группы 64. Сохранены и проверены тензоры MTP, включая один дополнительный скрытый слой; нативная поддержка MTP подтверждена только в oMLX. Языки, размер контекста и мультимодальность в карточке не указаны.

Сильные стороны модели — низкие требования к памяти по сравнению с полноразмерной версией, адаптация для локального вывода на Apple Silicon и потенциальное ускорение за счёт MTP. На M5 Pro с 48 ГБ объединённой памяти в локальном тесте oMLX достигнута средняя скорость около 89,9 токена в секунду с MTP против 86,0 без него, однако эти результаты не являются универсальным бенчмарком. Ограничения включают экспериментальный статус конверсии, зависимость MTP от конкретной среды выполнения и возможность генерации длинных цепочек рассуждений. Лицензия — Apache-2.0; перед распространением или коммерческим использованием рекомендуется дополнительно проверить условия upstream-моделей и политики использования данных учителя.

Для каких профессий подходит10

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

Qwen3.6-35B-A3B Claude 4.7 Opus Reasoning Distilled - MLX oQ4 MTP

MLX/oMLX 4-bit conversion of r3lax/Qwen3.6-35B-A3B-Claude-4.7-Opus-Reasoning-Distilled with Qwen MTP tensors preserved and runtime-tested in oMLX.

This is not a new training run or fine-tune. Weights were only converted/quantized for local MLX/oMLX inference.

Quick Facts

  • Architecture: Qwen3.6 35B-A3B MoE, roughly 3B active parameters per token.
  • Quantization: oQ4-style MLX 4-bit, group size 64.
  • MTP: preserved and verified in oMLX.
  • Test hardware: Apple Silicon M5 Pro with 48GB unified memory.
  • Runtime tested with oMLX native MTP enabled.

MTP Verification

MTP config: mtp_num_hidden_layers=1, mtp_use_dedicated_embeddings=false
MTP tensor entries: 42
MTP fusion projection: language_model.mtp.fc.weight present and full precision
Runtime: oMLX logged native MTP path activation during smoke tests

MTP support is runtime-specific. These tensors are preserved, but non-oMLX runtimes may ignore them.

Local Speed Smoke Test

Measured on an M5 Pro Mac with 48GB unified memory using oMLX.

MTP on average:  ~89.9 tok/s
MTP off average: ~86.0 tok/s
Speed lift:       ~+4.6% with native MTP enabled

Per-prompt MTP-on smoke results:

count120:   160 tokens, 1.726s, 92.69 tok/s, MTP accept 79/79 and 79/79
rain180:    220 tokens, 2.465s, 89.26 tok/s, MTP accept 96/123 and 98/121
jsoncities: 128 tokens, 1.457s, 87.86 tok/s, MTP accept 64/65 and 64/64

These are local smoke numbers, not a universal benchmark. Prompt, cache state, batching, oMLX version, and hardware will change results.

Usage Notes

Place the model under your oMLX model directory and enable native MTP:

~/.omlx/models/Qwen3.6-35B-A3B-Claude-4.7-Opus-Reasoning-Distilled-MLX-oQ4-MTP

Recommended oMLX settings:

{
  "mtp_enabled": true,
  "dflash_enabled": false,
  "turboquant_kv_enabled": false
}

Attribution

Credit to the upstream work:

Please credit the upstream authors if you use or redistribute this conversion.

Caveats

  • MTP runtime activation was verified in oMLX only.
  • This conversion is experimental.
  • Reasoning models can emit long <think> traces; set max_tokens intentionally.
  • The upstream model card notes that distillation transfers reasoning style, not new factual knowledge.

License

Apache-2.0, following the upstream model metadata. Check upstream model cards and any teacher-data usage policies before redistribution or commercial deployment.

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, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
8b4fdc3

0 моделей