/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Ling-3.0-tiny
Опубликована
21 авг 2026

Ling-3.0-tiny-APEX-GGUF

Генерация текстаТекст → текст11 профессий

Ling-3.0-tiny-APEX-GGUF — набор квантизированных GGUF-профилей базовой модели inclusionAI/Ling-3.0-tiny, разработанный с использованием технологии Apex-Quant.

743скачиваний за 30 дней2лайкавеса обновлены23 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 локального запуска и генерации текста через llama.cpp, Ollama и llama-cpp-python; подходит для сценариев, где важны автономная работа, экономия памяти и выбор между качеством, скоростью и размером файла.

В основе лежит архитектура BailingMoeV3ForCausalLM с разреженной Mixture-of-Experts: 128 экспертов по 1 млрд параметров, из которых для каждого токена используются 8. Модель содержит 24 слоя, имеет скрытый размер 1536, 16 attention heads, grouped query attention и контекст до 131 072 токенов; размер словаря — 157 184 токена. Репозиторий предоставляет профили i-quality на 5,4 ГБ, i-balanced на 5,6 ГБ и i-compact на 3,7 ГБ с разной степенью квантизации и компромиссом между качеством, скоростью и требованиями к RAM.

Сильные стороны модели — MoE-архитектура, большой контекст, локальное развертывание и наличие нескольких профилей для производственных, сбалансированных и ограниченных по памяти сред. Ограничения включают зависимость от совместимого ПО и оборудования для инференса, а также ожидаемое снижение качества у компактного профиля по сравнению с более точными вариантами. Языки и специализированные возможности исходной модели в README не указаны. Квантизированные модели распространяются по лицензии MIT; для коммерческого использования рекомендуется дополнительно проверить условия лицензии исходной модели.

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

Ling-3.0 Tiny — Apex Quant GGUF Models

This repository contains 3 quantized GGUF profiles of the inclusionAI/Ling-3.0-tiny model, produced using Apex-Quant technology.

📦 Model Profile Summary

ProfileSizeBPWUse Case
i-quality5.4 GB5.83Highest quality, production environments
i-balanced5.6 GB6.02Balanced quality and performance
i-compact3.7 GB4.03Compact deployment, low RAM

BPW = Bits Per Weight. Higher value = better quality.

📁 File Structure

models/
├── Ling-3.0-tiny-i-quality.gguf   # 5.4 GB — Highest quality
├── Ling-3.0-tiny-i-balanced.gguf  # 5.6 GB — Balanced
└── Ling-3.0-tiny-i-compact.gguf   # 3.7 GB — Compact

🔗 Source Model

These models were created based on the inclusionAI/Ling-3.0-tiny model from HuggingFace.

  • Model Page: https://huggingface.co/inclusionAI/Ling-3.0-tiny
  • Architecture: BailingMoeV3ForCausalLM (Mixture-of-Experts)
  • Parameter Count: 128×1.0B (128 experts, each with 1B parameters)
  • Context Length: 131,072 tokens
  • Vocabulary: 157,184 tokens
  • License: MIT

🛠️ Technology

These quantized models were produced using Apex-Quant technology.

  • Apex-Quant: MoE-aware mixed-precision quantization
  • Infrastructure: llama.cpp (llama-quantize)
  • Quantize Script: apex-quant/scripts/quantize.sh

🙏 Acknowledgments

📋 Technical Details

Architecture Information

  • Architecture: bailingmoe3
  • Block Count: 24 layers
  • Expert Count: 128 experts
  • Expert Used Count: 8 experts/token
  • Expert Group Count: 8
  • Expert Group Used Count: 4
  • Expert Gating Function: Top-K (k=8)
  • Hidden Size: 1,536
  • Feed Forward Size: 4,608
  • Attention Heads: 16
  • Attention Head Count KV: [0, 0, 0, 1, ...] (grouped query attention)
  • Rope Frequency Base: 6,000,000
  • Layer Norm Epsilon: 1e-6

Quantize Profile Details

i-quality (Q6_K/Q5_K/IQ4_XS)

  • Expert FFN: Q6_K / Q5_K / IQ4_XS (mixed)
  • Shared FFN: Q8_0
  • Attention: Q6_K
  • BPW: 5.83
  • File Size: 5.4 GB

i-balanced (Q6_K/Q5_K)

  • Expert FFN: Q6_K / Q5_K (mixed)
  • Shared FFN: Q8_0
  • Attention: Q6_K
  • BPW: 6.02
  • File Size: 5.6 GB

i-compact (Q4_K/Q3_K)

  • Expert FFN: Q4_K / Q3_K (mixed)
  • Shared FFN: Q6_K
  • Attention: Q4_K
  • BPW: 4.03
  • File Size: 3.7 GB

💻 Usage

With llama.cpp

# Run with i-quality profile
./main -m models/Ling-3.0-tiny-i-quality.gguf -n 128 -p "Hello, how are you?"

# Run with i-compact profile
./main -m models/Ling-3.0-tiny-i-compact.gguf -n 128 -p "Hello, how are you?"

With Ollama

# Create Dockerfile or Ollamafile
FROM llama.cpp
COPY models/Ling-3.0-tiny-i-quality.gguf /model.gguf

With Python (llama-cpp-python)

from llama_cpp import Llama

llm = Llama(
    model_path="models/Ling-3.0-tiny-i-quality.gguf",
    n_ctx=4096,
    n_threads=8
)

output = llm(
    "Hello, how are you?",
    max_tokens=128
)
print(output["choices"][0]["text"])

📊 Model Comparison

Criterioni-qualityi-balancedi-compact
Quality⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
Speed⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
RAMHighMediumLow
Size5.4 GB5.6 GB3.7 GB
BPW5.836.024.03

📝 Notes

  • All models are in GGUF v3 format.
  • The BailingMoeV3 architecture uses Mixture-of-Experts (MoE) technology.
  • The model uses grouped query attention (GQA) and rope positional embeddings.
  • The i-mini profile cannot be quantized without imatrix. ~100-200 inference samples must be run on the model to generate the importance matrix.

📄 License

The original model is distributed under the MIT license. The quantized models are shared under the same license.

🔗 Related Links


Note: These models are quantized for local use. Check the original model's license for commercial use.

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
761a095

0 моделей