Объединённая мультимодальная модель Qwen3.5 для диалогов и ответов на запросы по изображениям, подготовленная как источник весов для дальнейшей конвертации.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это объединённая модель в формате Hugging Face на основе unsloth/Qwen3.5-35B-A3B. Репозиторий предназначен как источник весов с сохранением точности для последующей конвертации в MLX и другие форматы; в метаданных указаны архитектура Qwen3.5 MoE и библиотека Transformers.
Модель поддерживает диалоговый режим, интерфейс вызова инструментов и работу с изображениями, поэтому подходит для общения по тексту и запросов с визуальным содержимым. Основная задача в метаданных — image-text-to-text. Размер параметров и длина контекста в предоставленных данных не указаны.
В репозитории находятся веса safetensors; README также связывает модель с отдельным пакетом GGUF для запуска. Лицензия в предоставленных данных не указана.
Лицензия, поддерживаемые естественные языки, размер параметров и длина контекста не приведены в предоставленных данных. Репозиторий описан как источник для конвертации; отдельный GGUF runtime package указан как связанный пакет.
README от автора на Hugging Face, как он его опубликовал
This repository contains the merged/fused HF-format model.
It is intended as the precision-preserving source for downstream conversions, including MLX quantization and future runtime formats.
unsloth/Qwen3.5-35B-A3Bteru00801/hawks-qwen3_5-35b-a3b-gguf-0711Run this on Apple Silicon:
mlx_lm.convert --model teru00801/hawks-qwen3_5-35b-a3b-merged-0711 -q --upload-repo <your-mlx-repo>
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Модель не помещается в память одной GPU (80 ГБ).