Характеристики

Лицензия: Apache 2.0
Базовая модель: Spark-X2.5-1.7B
Библиотека: gguf
Опубликована: 6 сен 2026

Ссылки

Spark-X2.5-1.7B-ASHQ1-GGUF

Генерация текстаТекст → текст14 профессий

Квантованная GGUF-версия Spark-X2.5-1.7B для локальной генерации текста и диалогов с заявленным контекстом до миллиона токенов.

299скачиваний за 30 дней1лайквеса обновлены10 сен 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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 экспериментальная квантизация ASHQ1 модели Spark-X2.5-1.7B, подготовленная wepiqx на основе XHToken/Spark-X2.5-1.7B. Модель представляет собой плотный декодер архитектуры spark2_5 примерно на 1,7 млрд параметров; в репозитории представлены файлы GGUF, включая вариант BF16. Для запуска указана поддержка штатной llama.cpp.

Модель предназначена для генерации текста и диалогов, а базовая Spark-X2.5 поддерживает задачи с кодом, переводом, рассуждениями и агентными сценариями. У неё гибридное внимание: один слой с полным вниманием на три слоя с оконным; заявлен контекст до 1 млн токенов. Карточка приводит сравнение перплексии вариантов квантизации, но отмечает, что такие результаты не являются достаточной оценкой качества, а ранжирование пока предварительное.

Репозиторий распространяется по лицензии Apache-2.0. Это производный квантованный выпуск; качество и поведение могут зависеть от выбранного файла GGUF и степени снижения точности.

Сценарии применения

локальный диалоговый помощник
генерация и продолжение текста
помощь с написанием кода
перевод текста
обработка длинного контекста

Ограничения

Карточка предупреждает, что показатели пер perplexии являются лишь предварительным ориентиром и не заменяют полноценную оценку качества; ранжирование вариантов квантования ещё не подтверждено KLD-оценкой. Квантование может снижать точность относительно исходных весов.

Для каких профессий подходит14

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Spark-X2.5-1.7B — ASHQ1 Quantization

🧪 New experimental quant available: BF-RELIEF-1000.gguf — beats all regular quants at 1000 MiB (PPL 66.70). More coming soon.

ASHQ1 quantization of Spark-X2.5-1.7B (dense ~2B, spark2_5 arch) — the little sibling of Spark-X2.5-4B, same hybrid attention (1 full + 3 sliding-window layers), native 1M context.

Status: published. Dedicated 1.7B imatrix (168 tensors, 28 layers) from Qwen3.8 calibration set. F16 reference PPL on calibration set: 12.21.

Architecture (why ASHQ1 fits as-is)

Dense decoder, spark2_5 arch string — same spark2_5 ASHQ1 preset as the 4B (layer count auto-detected: 28 blocks here vs 36 on 4B)
Fused q_k_v_proj, MLP ffn_gate/ffn_up/ffn_down, RMSNorms
No MTP, no MoE, no SSM — plain dense path
Native 1M context, BF16, Apache-2.0

Quants

File	Size	PPL (wiki.test.raw, ctx 1024)	Description
`BF-RELIEF-1000.gguf`	1006 MiB	66.70 ± 0.68	🧪 Experimental — best at 1000 MiB, details coming
`Spark-X2.5-1.7B-BF16-Q8_0.gguf`	1.7 GB	60.91 ± 0.62	Uniform Q8_0 reference
`Spark-X2.5-1.7B-BF16-ASHQ1-1000.gguf`	1006 MiB	71.50 ± 0.74	Recommended: ASHQ1 bottom-up, output/token_embd pinned at Q5_K
`Spark-X2.5-1.7B-BF16-ASHQ1-1000-FREE.gguf`	1006 MiB	73.14 ± 0.76	Experimental: `--free-pins` (pins in open budget fight) — loses, pins validated
`Spark-X2.5-1.7B-BF16-ASHQ1-1000-EMBD8.gguf`	1006 MiB	83.42 ± 0.86	Experimental: embd pinned at Q8_0 — starves the rest, worst of the three

PPL measured with stock llama.cpp (llama-perplexity, -ngl 99 -c 1024 -b 512 --seed 7) on wikitext-2-raw wiki.test.raw. Absolute values are inflated (model reads raw text without its jinja template); relative comparison is valid — all files measured identically.

⚠️ PPL is a canary, not a rank column: PPL below the BF16 base flags over-confidence (sharpening), not quality. Cross-checking all PPL-only wins on a KLD-vs-BF16 battery (with Soulfate24) — rankings below are provisional until KLD-scored. See the TOX lesson on our Ornith repo: a −0.145 PPL "win" with KLD 0.2894 (degraded).

Notes

Source BF16: XHToken/Spark-X2.5-1.7B-GGUF (BF16 conversion)
Runs on stock llama.cpp (native spark2_5 support since Sep 2026, no fork needed)
Quantization and tuning by wepiqx

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов: f4a3393