/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_mtp · dense
Базовая модель
Qwen3.6-27B
Библиотека
mlx
Опубликована
13 авг 2026

Qwen3.6-27B-MTP-MLX-bf16

Генерация текстаТекст → текст3 профессии

Вспомогательная MTP-голова для ускорения генерации Qwen3.6-27B методом speculative decoding в MLX.

58скачиваний за 30 дней0лайковвеса обновлены17 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

Qwen3.6-27B-MTP-MLX-bf16 — опубликованная vvsotnikov вспомогательная голова Multi-Token Prediction для Qwen3.6-27B. Это не самостоятельная языковая модель: в файлах находятся только веса MTP-головы, без токенных эмбеддингов и выходной головы lm_head, поэтому она не может генерировать текст сама. Её подключают как draft-модель к совместимой целевой модели из того же чекпойнта в среде MLX с mlx-vlm.

Голова предлагает до трёх токенов за шаг, а целевая модель проверяет предложения; в результат попадают только принятые ею токены, поэтому качество генерации определяется целевой моделью. Релиз содержит 15 тензоров в формате Safetensors с точностью bfloat16 без квантизации и рассчитан на ускорение декодирования посредством speculative decoding. Для работы требуется подходящая целевая модель Qwen3.6-27B и совместимый рантайм MLX/mlx-vlm; смешивать голову и цель из разных чекпойнтов не рекомендуется. Лицензия — Apache-2.0.

Сценарии применения

  • ускорение генерации текста с Qwen3.6-27B в MLX
  • спекулятивное декодирование с предложением нескольких токенов за шаг
  • ускорение диалоговой генерации в mlx-vlm
  • ускорение генерации кода совместимой целевой моделью Qwen

Ограничения

Не является самостоятельной моделью и не может генерировать текст без целевой модели, предоставляющей эмбеддинги и lm_head. Голова должна соответствовать целевой модели из того же чекпойнта и использоваться в совместимом рантайме MLX/mlx-vlm.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-27B-MTP-MLX-bf16

This is not a standalone model. It holds only the Multi-Token Prediction (MTP) drafter head, so it carries no token embeddings and no lm_head and it cannot generate text alone. Load it as the draft model beside a matching target, which supplies both.

Qwen ships this head inside Qwen/Qwen3.6-27B as 15 tensors under the mtp. prefix, but the MLX converter deletes them when it builds the main model, so the head is published separately and the runtime loads it as its own model with model_type: qwen3_5_mtp.

Use with mlx-vlm

mlx_vlm generate \
  --model vvsotnikov/Qwen3.6-27B-MLX-4bit \
  --draft-model vvsotnikov/Qwen3.6-27B-MTP-MLX-bf16 \
  --prompt "Write a quicksort in Python." \
  --max-tokens 256 --temperature 0.6 --enable-thinking

For local weights:

mlx_vlm generate \
  --model /path/to/target-model \
  --draft-model /path/to/Qwen3.6-27B-MTP-MLX-bf16 \
  --prompt "Write a quicksort in Python." \
  --max-tokens 256 --temperature 0.6 --enable-thinking

--draft-kind mtp is detected from model_type, so you do not need to pass it. The drafter proposes tokens each step while the target verifies them, and only accepted tokens reach the output, so quality follows the target rather than the drafter.

Model Details

  • Model type: qwen3_5_mtp
  • MTP block size: 3
  • Target architecture: Qwen3.6-27B
  • Precision: bfloat16, unquantized
  • Runtime: MLX / mlx-vlm 0.6.8
  • Format: Safetensors with MLX-compatible config and tokenizer files

How this was produced

python -m mlx_vlm.speculative.drafters.qwen3_5_mtp.split \
  --model Qwen/Qwen3.6-27B --output Qwen3.6-27B-MTP-MLX-bf16

The tool reads the 15 mtp. tensors out of the base checkpoint, strips that prefix, and adds 1.0 to every RMSNorm weight, because Qwen stores the norm scale minus one.

Verification

CheckResult
model_typeqwen3_5_mtp
block_size3
Tensors15, all bfloat16
RMSNorm shiftapplied exactly once, checked against the source
Acceptanceat least as high as the 4-bit drafter's 93.5%

Pairing rules

Use a drafter and a target that come from ONE checkpoint, because the drafter binds to the target's embeddings at runtime, so a mismatched pair either fails a hidden-size check or drafts badly. This release publishes these drafters, so you can trade drafter size against acceptance:

License and attribution

The weights derive from Qwen/Qwen3.6-27B under Apache 2.0, so the original license and its terms carry over. Read the license itself before you use this model.

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.

Ревизия весов
14124a4

0 моделей