/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B
Опубликована
27 июн 2026

Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-MTP-GGUF

Генерация текстаТекст → текст8 профессий

Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-MTP-GGUF — это GGUF-квантизация модели Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive, основанной на Qwen3 и разработанной сообществом на базе моделей Qwen.

364скачиваний за 30 дней0лайковвеса обновлены27 июн 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 генерации текста на английском и китайском языках, включая локальный запуск через llama.cpp. Это uncensored fine-tune со сниженным количеством отказов, поэтому модель не подходит для всех аудиторий и требует ответственного использования.

Архитектура — qwen35moe: 35 млрд параметров всего, около 3 млрд активных параметров, 256 экспертов, из которых используется 8. Квантование выполнено в формате Q6_K; для ускорения генерации добавлена одна MTP-слой Multi-Token Prediction, позволяющая использовать speculative decoding через draft-mtp в llama.cpp. Указанный контекст составляет 8192 токена в примере запуска. Модель поддерживает обычную авторегрессионную генерацию и MTP-декодирование; на Apple M3 Max заявлено ускорение генерации примерно на 27% при подходящих настройках, однако результат зависит от оборудования и реального контекста.

Сильные стороны модели — относительно высокая скорость генерации, эффективное MoE-устройство и высокая доля принятых черновых токенов MTP при использовании репрезентативного промпта. Ограничения включают uncensored-поведение, чувствительность производительности к содержимому контекста и необходимость сборки llama.cpp с поддержкой draft-mtp для speculative decoding. Лицензия указана как Apache-2.0; при этом необходимо учитывать условия исходной модели Qwen и условия авторов fine-tune и квантования.

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

Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive — MTP-grafted GGUF

⚠️ Not-for-all-audiences. This is an uncensored fine-tune of Qwen3 with reduced refusal behaviour. Use responsibly and in accordance with applicable law and the upstream licenses. The maintainers of the source models are not responsible for outputs.

A Q6_K GGUF of the Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive model, with a Multi-Token-Prediction (MTP / nextn) head grafted on so that llama.cpp's draft-mtp speculative decoding can be exercised.

What this is

The original Uncensored Q6_K_P GGUF shipped without the MTP head (the nextn tensors were dropped during quantization). This file restores a single MTP layer by transplanting blk.40 (20 tensors, including nextn.eh_proj / enorm / hnorm / shared_head_norm) from a matching Qwen3.6-35B-A3B GGUF that retained it, and sets block_count = 41, nextn_predict_layers = 1.

  • Architecture: qwen35moe (35B total, ~3B active, 256 experts / 8 used)
  • Quant: Q6_K (MTP eh_proj is Q8_0, norms F32)
  • The transplant is byte-exact — no requantization of the base weights.

Performance — MTP gives ~+27% generation speedup

Measured with llama-bench on an Apple M3 Max (Metal), tg128, real prompt:

SettingThroughputDraft acceptanceMean accepted len
Baseline (no speculation)65.6 t/s——
draft-mtp n_max=183.6 t/s90.2%1.90 tok/step
draft-mtp n_max=283.7 t/s83.8%2.68 tok/step
draft-mtp n_max=380.8 t/s76.5%3.29 tok/step
draft-mtp n_max=481.7 t/s75.2%4.01 tok/step

The grafted MTP head reaches ~90% acceptance despite the backbone being an uncensored fine-tune — i.e. the fine-tune diverges little from the base the MTP head was trained on. Best operating point: --spec-draft-n-max 1 or 2, for roughly a +27% generation throughput gain over plain autoregressive decoding.

Note: acceptance rate is highly sensitive to having a real prompt/context. With an empty prompt the draft head has nothing to condition on and acceptance collapses (~31%); always benchmark with representative input.

Usage

# Plain generation
llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q6_K_P-MTP.gguf -ngl 99 -c 8192

# MTP speculative decoding (requires a llama.cpp build with draft-mtp support)
llama-bench -m <file>.gguf -ngl 99 -n 64 --spec-type draft-mtp --spec-draft-n-max 2

Provenance & licenses

  • Backbone: Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive (uncensored fine-tune of Qwen3).
  • MTP layer: transplanted from a Qwen3.6-35B-A3B GGUF that retained the nextn head.
  • Both derive from Qwen3 (Apache-2.0). Please honor the original Qwen license and the respective fine-tuners'/quantizers' terms. If you are a rights holder and want attribution corrected or content removed, open a discussion on this repo.

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
070d9c8

0 моделей