/ Модель

Характеристики

Лицензия
MIT
Базовая модель
Qwen3.5-9B
Библиотека
gguf
Опубликована
29 мая 2026

Qwen3.5-9B-GGUF-MoQ-MTP

Генерация текстаТекст → текст8 профессий

Квантованная в GGUF модель Qwen3.5-9B для диалога и текстовой генерации с поддержкой ускорения MTP speculative decoding.

392скачиваний за 30 дней8лайковвеса обновлены4 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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 GGUF-сборка Qwen3.5-9B от w-ahmad с квантованием MoQ (Mixture of Quants) и поддержкой MTP speculative decoding для ускорения генерации. Репозиторий предназначен для запуска текстовой генерации и диалога в средах, совместимых с GGUF, например через llama.cpp. В README представлены варианты квантования с разным размером файлов; метод MoQ распределяет точность квантования по слоям модели.

Автор приводит сравнение с Unsloth Dynamic на тестах wiki text, но эти результаты не подтверждают качество на широком круге задач. Лицензия — MIT.

Сценарии применения

  • локальный запуск диалоговой языковой модели
  • генерация текста на ограниченной по памяти системе
  • ускорение генерации с помощью speculative decoding

Ограничения

Заявления о качестве основаны на ограниченном сравнении на wiki text; результаты для других задач в карточке не приведены. Указанные в README размеры относятся к отдельным вариантам квантования и могут требовать разного объёма памяти.

Для каких профессий подходит8

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

MoQ: Mixture of Quants

image

This is the MTP Repo . MTP speculative decoding is for faster generation Evaluation of the Quants is below .

🚀 MoQ: Mixture of Quants

MoQ (Mixture of Quants) is a smart way to shrink AI models without losing their "brainpower." Unlike old methods that treat every part of the model the same, MoQ identifies the most important parts and keeps them high-quality, while heavily compressing the rest to save space.**Stop settling for uniform bitrates. Standard quantization is a relic of the past, treating vital cognitive weights the same as redundant noise. **


The result? A model that punches significantly above its weight class.

Benjamin Marie evaluated MoQ GGUFs ("Mixture of Quants") against Unsloth Dynamic (UD) quants, focusing on low-bit versions below 4 bits on average — the range where GGUF models typically struggle most. Results: At similar bits-per-weight (Bpw), MoQ outperforms Unsloth Dynamic quants by ~10% on benchmarks, while also being roughly 2× more token-efficient on average.

"MoQ models are much better than UD quants on benchmarks, and they are also more token-efficient."

image

image


Files

Folder LinkBPWTotal SizeDescription
📂 MoQ-Quants3.33.83 GB
📂 MoQ-Quants3.74.28 GB
📂 MoQ-Quants3.94.47 GB
📂 MoQ-Quants4.24.89 GB
📂 MoQ-Quants4.45.09 GB
📂 MoQ-Quants4.75.39 GB
📂 MoQ-mmproj16.00.92 GB
📂 bf1616.018.41 GB
📂 fp1616.018.41 GB

🧠 The MoQ Edge

MoQ optimizes the architecture for the Pareto frontier of memory and performance.

  • Dynamic Bitrate Allocation: No more "one-size-fits-all." MoQ assigns precision where it actually matters.
  • Cognitive Preservation: Massive VRAM savings with near-zero degradation in logic and coherence.
  • Next-Gen Efficiency: Fits "Large" model intelligence into "Small" model hardware.

Comparison

Here is the comparison between MoQ and Unsloth dynamic quants. MoQ perform better i guess . Performed on wiki text (benchmaxxing is not allowed!!!)

download

x : https://x.com/WaleedAhmad1a10 If MoQ does not perform well, email me : waleedahmad.1a10@gmail.com

🛠 Usage & Deployment.

./llama-cli -m Qwen3.5-9B-MoQ-4.85.gguf -p "The future of efficient AI is..."

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
a83a151

0 моделей