/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_mtp · dense
Базовая модель
Qwen3.8-27B
Библиотека
mlx
Опубликована
14 авг 2026

Qwen3.8-27B-MTP-MLX-bf16

Генерация текстаТекст → текст3 профессии

Вспомогательная MTP-голова для ускорения генерации текста совместимой моделью Qwen3.8-27B в MLX.

330скачиваний за 30 дней3лайкавеса 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

Это вспомогательная голова Multi-Token Prediction (MTP) для ускорения генерации текста целевой моделью Qwen3.8-27B в среде MLX и mlx-vlm. Репозиторий содержит только MTP-драфтер: у него нет токенных эмбеддингов и lm_head, поэтому самостоятельно генерировать текст он не может. Драфтер предлагает до трёх токенов за шаг, а целевая модель проверяет предложения; для работы нужны совместимые драфтер и целевая модель из одного чекпойнта.

Модель разработана vvsotnikov на основе MTP-головы Qwen/Qwen3.8-27B. Веса представлены в формате Safetensors, хранятся в точности bfloat16 без квантизации; указаны архитектура qwen3_5_mtp и блок MTP размером 3. Для использования предназначена связка с mlx-vlm на Apple MLX. Лицензия репозитория — Apache-2.0.

Качество итогового текста определяется целевой моделью, а не драфтером; ожидаемая польза этой головы — ускорение генерации при совместном запуске. Критическое ограничение — необходимость использовать её только с соответствующей целевой моделью и её эмбеддингами: несовпадающая пара может не пройти проверку размерностей или работать плохо. Самостоятельные ответы, генерация текста и отдельная мультимодальная обработка этим репозиторием не поддерживаются.

Сценарии применения

  • ускорение генерации текста целевой моделью Qwen3.8-27B
  • спекулятивное декодирование в mlx-vlm
  • ускорение генерации кода при использовании совместимой целевой модели

Ограничения

Модель не является самостоятельной: у неё нет токенных эмбеддингов и lm_head, и она требует совместимую целевую модель из того же чекпойнта. Неподходящая пара может завершиться ошибкой размерностей или ухудшить работу драфтера.

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

Qwen3.8-27B-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/Qwen3.8-27B 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/Qwen3.8-27B-MLX-8bit \
  --draft-model vvsotnikov/Qwen3.8-27B-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/Qwen3.8-27B-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: Qwen3.8-27B
  • 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/Qwen3.8-27B --output Qwen3.8-27B-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
Acceptancesee the quantized drafters; bf16 drafts at least as well

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/Qwen3.8-27B 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
4ae4319

0 моделей