/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B
Библиотека
gguf
Опубликована
14 авг 2026

Qwen3.8-27B-GGUF

Генерация текстаТекст → текст13 профессий

Qwen3.8-27B-GGUF — набор квантизированных GGUF-версий базовой модели Qwen/Qwen3.8-27B, подготовленный пользователем vcruz305 для запуска через llama.cpp.

726скачиваний за 30 дней8лайковвеса обновлены14 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

Модель предназначена для локальной генерации текста и диалоговых сценариев, включая задачи с рассуждениями; для мультимодальных сценариев требуется отдельный файл mmproj. Поддерживаются английский и китайский языки. Указанный pipeline — text-generation.

В основе используется 64-слойный языковой trunk архитектуры qwen35 с гибридом Gated DeltaNet; размер базовой модели — 27B параметров. Доступны квантизации от 2 до 8 бит размером примерно от 9,98 до 26,63 GiB. Версии Q2_K и Q3_K_M используют imatrix-квантизацию, остальные являются обычными K-quants. В файлах намеренно отсутствует MTP-голова для speculative decoding, что уменьшает требования к памяти, но исключает соответствующий режим ускорения. В README также заявлена поддержка контекста до 262 144 токенов при соответствующей конфигурации и аппаратных ресурсах.

Сильные стороны набора — возможность запуска 27B-модели на видеокартах с 12, 16, 24 и 32+ GiB памяти, несколько вариантов компромисса между качеством и размером, а также исправленный chat template для корректной работы многошаговых агентов. Ограничения включают зависимость от достаточно новой версии llama.cpp с поддержкой qwen35, отсутствие встроенной vision-компоненты и MTP-головы, а также высокие требования к памяти для старших квантизаций и длинного контекста. Распространение заявлено по лицензии Apache-2.0, унаследованной от официальной модели Qwen.

Для каких профессий подходит13

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 GGUF

Standalone llama.cpp K-quants of Qwen/Qwen3.8-27B (official BF16).

This pack is for small cards. 12GB and 24GB come first.

Why there is no MTP in these files

Official BF16 includes a 1-layer MTP / nextn head (mtp.* in shard 18). I left it out on purpose.

MTP is for speculative decode. It does not make the 27B smarter. It adds ~15 tensors (blk.64 / nextn_*) and roughly 0.5–0.8 GB. On a 12GB 3060 the headline file is the 9.98 GB Q2_K; that extra head steals the KV you barely have. Almost nobody on 12GB will turn on --spec-type draft-mtp.

These GGUFs are the 64-layer language trunk (qwen35, blocks 0–63). Need vision? Use a separate mmproj. Need MTP/spec decode? Other packs keep that head.

Chat template

Official 3.8 jinja wraps every assistant turn in <think>…</think> even when reasoning is empty, then opens another <think> on generate. That truncates multi-turn agents.

These GGUFs have that template replaced. Re-download so --jinja uses the fixed one. chat_template.jinja is also in the repo if you still have yesterday's bytes.

llama-server -m Qwen3.8-27B-Q2_K.gguf --jinja --reasoning-format deepseek

Files

One file per quant. Q2_K and Q3_K_M are imatrix (300-chunk wiki / code / zh / math on the official-BF16 trunk). Q4 and up are plain K-quants — imatrix barely moves them.

FileQuantSizeCard
Qwen3.8-27B-Q2_K.gguf2-bit imatrix9.98 GiB12GB start
Qwen3.8-27B-Q3_K_M.gguf3-bit imatrix12.39 GiB16GB
Qwen3.8-27B-Q4_K_M.gguf4-bit15.41 GiB24GB start
Qwen3.8-27B-Q5_K_M.gguf5-bit17.91 GiB24GB comfortable
Qwen3.8-27B-Q6_K.gguf6-bit20.57 GiB24GB tight / largest full-GPU on RTX 6000
Qwen3.8-27B-Q8_0.gguf8-bit26.63 GiB32GB+

qwen38-27b.imatrix is the calib artifact if you want to requant. You do not pass it to llama-server.

How to run

12GB:

hf download vcruz305/Qwen3.8-27B-GGUF \
  --local-dir Qwen3.8-27B-GGUF \
  --include "Qwen3.8-27B-Q2_K.gguf"

llama-server \
  -m Qwen3.8-27B-GGUF/Qwen3.8-27B-Q2_K.gguf \
  -a qwen38-27b \
  --host 127.0.0.1 --port 8085 \
  -ngl 99 -c 32768 -np 1 --jinja --reasoning-format deepseek

24GB (Q6_K measured on an RTX 6000 at native 262K with -ctk q4_0 -ctv q4_0 -fa on):

llama-server \
  -m Qwen3.8-27B-Q6_K.gguf \
  -a qwen38-27b \
  --host 127.0.0.1 --port 8085 \
  -ngl 99 -fa on -c 262144 \
  -ctk q4_0 -ctv q4_0 -np 1 --jinja

Needs llama.cpp new enough for qwen35 (Gated DeltaNet hybrid).

Source

Model Card Authors / Contact

Victor Cruz (vcruz305).

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
9552179

0 моделей