/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
20,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.6-27B
Опубликована
9 мая 2026

Qwen3.6-27B-NVFP4-GPTQ

Генерация текстаТекст → текст15 профессий

sudo-0x2a/Qwen3.6-27B-NVFP4-GPTQ — квантованная версия базовой модели Qwen/Qwen3.6-27B, подготовленная автором репозитория sudo-0x2a.

5 955скачиваний за 30 дней7лайковвеса обновлены18 мая 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 текстогенерационная модель с поддержкой визуальных компонентов, предназначенная прежде всего для локального запуска и инференса на высокопроизводительном потребительском оборудовании. Тестирование проводилось на одной NVIDIA RTX 5090 с использованием vLLM и FP8 для KV-кэша.

Модель использует смешанную точность: слои внимания, линейного внимания и MLP квантованы в NVFP4, а vision-компоненты, MTP, lm head и embeddings сохранены в BF16. При квантовании применялись SmoothQuant и GPTQ, калибровка выполнена на 512 образцах с длиной последовательности 8192. По приведённым локальным оценкам модель показывает 85,0 на подмножестве MMLU-Pro и GPQA Diamond, 57,0 на SWE-bench Verified Easy и 84,0 на подмножестве MMMU Pro; результаты напрямую сопоставимы с BF16-оценками ограниченно, поскольку получены в разных средах.

Главное преимущество — существенное снижение требований к памяти при сохранении широких возможностей базовой модели, включая работу с текстом, кодом и визуальными задачами. При этом надёжность работы с длинным контекстом не гарантируется: из-за сильного квантования чувствительных linear attention layers возможна деградация на больших длинах последовательности. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

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

Model Overview

This repository hosts an NVFP4 quantized version of the Qwen3.6-27B model. The quantization process was executed using llm-compressor, employing a mixed-precision strategy to drastically reduce memory footprint while preserving essential model capabilities.

Deployment & Inference

This model is highly optimized for local inference on high-end consumer hardware. Local testing and evaluations were conducted under the following environment:

  • Hardware: 1x NVIDIA RTX 5090
  • Inference Engine: vLLM
  • KV Cache: FP8

Quantization Details

To achieve optimal performance, we applied specific quantization configurations across the model's architecture, heavily supported by advanced modifiers:

  • Quantized to NVFP4: Full attention layers, linear attention layers, and the MLP blocks.
  • Retained in BF16 (Untouched): Vision components, MTP, lm head, and embeddings.
  • Enhancements: Utilized SmoothQuant modifiers alongside GPTQ modifiers to improve the overall post-quantization performance.

Calibration Configuration

Customized calibration dataset with 512 samples and each 8192 sequence length.

Evaluation & Benchmarks

BenchmarkBF16 (Alibaba Cloud)This Model (Local RTX 5090)Delta
MMLU-Pro + GPQA Diamond ¹84.585.0+0.5
SWE-bench Verified (Easy) ²58.057.0-1.0
MMMU Pro ³80.084.0+4.0
  • Environment Note: The baseline bf16 scores were obtained via the official online deployment on Alibaba Cloud. The NVFP4 scores were obtained locally using the vLLM setup described above.
  1. MMLU-Pro + GPQA Diamond: This score is based on a 200-question subset consisting of 160 MMLU-Pro problems and 40 GPQA Diamond problems.
  2. SWE-bench Verified (Easy): Evaluated on a 100-problem subset randomly chosen from instances where the difficulty resolution time is < 15 minutes. The method used for this benchmark was Oracle retrieval.
  3. MMMU Pro: Evaluated on a subset of 100 random samples.
  • Long Context Warning: The model's long-context capabilities remain suspicious and should be approached with caution. Because the sensitive linear attention layers underwent heavy quantization, users might experience degradation when pushing the model to high sequence lengths.

05/14/26 update: add vision calibration; fix vllm: [compressed_tensors_w4a4_nvfp4.py:97] In NVFP4 linear, the global scale for input or weight are different for parallel layers (e.g. q_proj, k_proj, v_proj) issue; update benchmarks

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
c58fa29

0 моделей