/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-GSQ-RCO-GGUF
Библиотека
mlx
Опубликована
21 сен 2026

Qwen3.8-27B-GSQ-RCO-MLX

Генерация текстаТекст → текст11 профессий

Qwen3.8-27B-GSQ-RCO-MLX — производная модель от Qwen3.8-27B, разработанная для инференса на Apple Silicon с использованием MLX и специализированных Metal-ядер.

6 042скачиваний за 30 дней5лайковвеса обновлены28 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

Она создана на основе ISTA-DASLab/Qwen3.8-27B-GSQ-RCO-GGUF; упаковку в формат MLX выполнил автор репозитория uqer1244. Модель предназначена для генерации текста и локального запуска на совместимых Mac с Apple Silicon.

Это 27-миллиардная текстовая модель архитектуры Qwen3.5/Qwen3.8 hybrid с поддержкой 11 типов смешанного квантования GSQ-RCO/IQ, включая IQ1_M, IQ1_S, IQ2_XXS, IQ2_XS, IQ2_S, IQ3_XXS, IQ3_S, IQ4_XS, Q2_K, Q4_K и Q6_K. Квантованные веса сохранены без повторного квантования в packed Safetensors; также поддерживаются тензоры F32 и BF16. Объём контекста, список языков и мультимодальные возможности в README не указаны.

К сильным сторонам относятся снижение требований к памяти по сравнению с полноразмерной моделью, сохранение исходных GGUF payloads и оптимизация выполнения на Apple Silicon. Для минимального запуска требуется около 10,4 ГБ unified memory, рекомендуется дополнительный запас. Модель нельзя загружать напрямую через mlx_lm.load(): необходим отдельный runtime mlx_gsq-rco и MLX с поддержкой Metal. Предзаполнение пока использует функциональный multi-row QMV path, поэтому обработка длинных промптов может быть менее производительной; runtime ориентирован на данную архитектуру и схему имён тензоров. В карточке указана лицензия Apache-2.0 с необходимостью сохранять upstream-уведомления и условия использования.

Для каких профессий подходит11

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-GSQ-RCO-MLX

An Apple Silicon MLX package of the mixed-IQ GSQ-RCO Qwen3.8-27B checkpoint. The original GGUF quantized tensor payloads are preserved losslessly inside a packed Safetensors file. This is a custom packed format, not a standard mlx-lm checkpoint. Load it with the separate mlx-GSQ-RCO runtime.

Files

  • model.safetensors: packed payloads for 866 tensors (about 9.7 GiB)
  • model.safetensors.manifest.json: tensor shapes and quantization metadata
  • Tokenizer and model configuration files

The weights use 11 quantized types: IQ1_M, IQ1_S, IQ2_XXS, IQ2_XS, IQ2_S, IQ3_XXS, IQ3_S, IQ4_XS, Q2_K, Q4_K, and Q6_K. Plain F32 and BF16 tensors are also present. The GGUF-to-Safetensors converter verifies all 866 source payloads by SHA-256.

Requirements and usage

  • Apple Silicon Mac with Metal
  • Python 3.10+
  • About 10.4 GB unified memory for a minimal generation run; extra headroom is recommended

Install the runtime and generate text (the first run downloads this model):

python -m pip install \
  'mlx-gsq-rco[mlx,integration] @ git+https://github.com/uqer1244/mlx-GSQ-RCO.git'

mlx-gsq-generate \
  uqer1244/Qwen3.8-27B-GSQ-RCO-MLX \
  --prompt "Hello" \
  --max-tokens 32

Python API:

from mlx_gsq import load
from mlx_lm.generate import generate

model, tokenizer = load("uqer1244/Qwen3.8-27B-GSQ-RCO-MLX")
print(generate(model, tokenizer, prompt="Hello", max_tokens=32))

Recorded performance

On an Apple M3 Pro, the runtime measured 22.3 tok/s prefill for a 182-token prompt and 9.14 tok/s for 64-token decode. A 256-token generation run used about 10.3 GB peak unified memory. The half4-vectorized tiled QMM kernel improved large single-layer QMM throughput by 2.6–3.2x versus the earlier scalar GEMM version; end-to-end prefill improved from 10.5 to 22.3 tok/s in the recorded run. Results vary by machine, prompt, and software versions. More benchmark context is in the GitHub README.

Limitations

  • Text generation only; vision inference is not implemented.
  • The runtime currently targets this Qwen3.8/Qwen3.5 hybrid architecture.
  • mlx_lm.load() cannot load this custom checkpoint directly; use mlx_gsq.load().

License and attribution

The model weights are distributed under the upstream Apache-2.0 license and retain their original attribution. The runtime code is MIT licensed. The original mixed-IQ GGUF is ISTA-DASLab/Qwen3.8-27B-GSQ-RCO-GGUF.

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_5ForConditionalGeneration
Ревизия весов
6c6cd8a

0 моделей