/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-heretic-ara
Опубликована
15 авг 2026

Qwen3.8-27B-heretic-ara-oQ4e-mtp

Изображение и текст → текст15 профессий

Qwen3.8-27B-heretic-ara-oQ4e-mtp — смешанно-точно квантованная версия модели trohrbaugh/Qwen3.8-27B-heretic-ara, опубликованная underlotus.

910скачиваний за 30 дней6лайковвеса обновлены15 авг 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

В основе лежит Qwen3.8-27B; модель имеет около 27 млрд параметров, поддерживает текстовые, графические и видео входы, а также английский и китайский языки. Vision tower и голова Multi-Token Prediction сохранены. Веса представлены в формате MLX safetensors и совместимы с oMLX, mlx-lm, LM Studio и другими приложениями с поддержкой MLX.

Модель предназначена для генерации текста, мультимодального анализа изображений и видео, программирования и локального запуска на устройствах Apple Silicon. Квантование oQ4e использует около 4,6 бит на параметр и распределяет точность по слоям с учётом их чувствительности, что уменьшает требуемую память примерно с 55 ГБ до 16–18 ГБ. Ограничениями являются зависимость от MLX-совместимой инфраструктуры, повышенные требования к памяти по сравнению с небольшими моделями и отсутствие указанного в README максимального контекста. Модель описана как декензурированная и сохраняет мультимодальные возможности, однако конкретные гарантии качества и безопасности для всех сценариев не приведены. Лицензия — Apache 2.0, унаследованная от базовой модели.

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

Qwen3.8-27B heretic-ara — oQ4e (MTP preserved)

Mixed-precision quant of trohrbaugh/Qwen3.8-27B-heretic-ara, produced with oQ (oMLX v0.5.8.dev1). Vision tower intact — image + video input still works. MTP head preserved. Standard MLX safetensors — compatible with oMLX, mlx-lm, LM Studio, and any MLX-capable app.

What is oQ?

Unlike uniform 4-bit quantization, oQ is a data-driven mixed-precision quantizer that calibrates per-layer sensitivity and allocates bits where they matter most. Critical layers (embeddings, LM head, the most sensitive transformer layers) are automatically promoted to higher precision, while less sensitive layers stay at 4-bit. Typical result: ~4.6 bits-per-weight.

Benchmarked on Qwen3.5-35B-A3B (oMLX project):

Benchmarkmlx-lm 4-bitoQ4
MMLU (300)79.7%83.3%
TruthfulQA (300)87.7%88.0%
HumanEval (full)87.2%85.4%
MBPP (300)71.7%74.3%

Performance (oMLX on M4 10-core)

ContextPP tok/sTG tok/sPeak Mem
1k62.412.716.7 GB
4k60.212.118.2 GB
BatchTG tok/sSpeedup
1×12.71.00×
2×12.00.94×
4×19.31.52×

Full benchmark →

Why this quant

The original BF16 weights require ~55 GB. This oQ4e quant runs in ~16–18 GB on Apple Silicon while keeping the vision tower and MTP head intact.

Quick start

# oMLX
omlx serve --model underlotus/Qwen3.8-27B-heretic-ara-oQ4e-mtp
# mlx-lm
from mlx_lm import load, generate

model, tokenizer = load("underlotus/Qwen3.8-27B-heretic-ara-oQ4e-mtp")
response = generate(model, tokenizer, prompt="Hello!", max_tokens=256)
print(response)

Original model

  • Base: Qwen/Qwen3.8-27B
  • Decensored: Heretic v1.2.0 (custom fork) with Arbitrary-Rank Ablation (ARA) — 0/100 refusals, KL divergence 0.0535
  • Vision: Full multimodal — image + video input supported
  • MTP: Multi-token prediction head preserved

License

Apache 2.0, inherited from base model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
3f356f5

0 моделей