/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Spark-X2.5-4B
Библиотека
gguf
Опубликована
6 сен 2026

Spark-X2.5-4B-ASHQ1-GGUF

Генерация текстаТекст → текст15 профессий

Квантованная в GGUF версия Spark-X2.5-4B для локальной генерации текста и диалога с контекстом до 1 млн токенов.

259скачиваний за 30 дней0лайковвеса 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.

  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

Spark-X2.5-4B-ASHQ1-GGUF — выпущенная wepiqx версия модели Spark-X2.5-4B в формате GGUF с квантованием ASHQ1 и калибровкой imatrix. Это плотная decoder-модель архитектуры spark2_5 примерно на 4,1 млрд параметров с 36 блоками, группированным многозапросным вниманием и чередованием полных и скользящих окон внимания. Нативный контекст базовой модели — до 1 млн токенов.

Модель предназначена для диалога и генерации текста; базовая Spark-X2.5-4B также рассчитана на код, рассуждения, перевод и агентные сценарии. Репозиторий содержит варианты квантования разного размера: автор рекомендует ASHQ1 на 4000 MiB, для которого указано небольшое ухудшение perplexity относительно Q8_0 при экономии места. Приведённые измерения сделаны на сыром тексте без шаблона чата, а сам автор считает сравнение предварительным.

Модель работает в llama.cpp со штатной поддержкой архитектуры spark2_5. Указана лицензия Apache-2.0. README описывает главным образом процесс квантования и результаты теста perplexity, а не отдельные оценки качества на прикладных задачах.

Сценарии применения

  • локальный диалог с языковой моделью
  • генерация текста на устройстве пользователя
  • помощь в написании и разборе кода
  • выполнение задач рассуждения
  • использование в агентных сценариях

Ограничения

Качество квантованных вариантов оценивалось преимущественно по perplexity на сыром тексте без шаблона чата; автор отмечает, что итоговые сравнения предварительные. Для варианта ASHQ1 на 4000 MiB указано небольшое ухудшение perplexity относительно Q8_0.

Для каких профессий подходит15

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

Spark-X2.5-4B — ASHQ1 Quantization

ASHQ1 quantization of Spark-X2.5-4B (dense 4.1B, spark2_5 arch).

Status: published. Custom Spark-X2.5-4B imatrix (216 tensors, 36 layers). A second imatrix from the Qwen3.8 calibration set gives a byte-identical tier distribution at 4000 MiB — results are calibration-robust.

Architecture (why ASHQ1 fits as-is)

  • Dense decoder, 36 blocks (per imatrix), hidden 4096, 32 heads GQA
  • Hybrid attention: 1 full-attention + 3 sliding-window layers repeating — SWA affects KV-cache, not quantization; no special tensors
  • Fused q_k_v_proj (like qwen35) → tied groups work out of the box
  • MLP ffn_gate/ffn_up/ffn_down, RMSNorms (attn_norm per block)
  • No MTP, no MoE, no SSM — plain dense path
  • Vocab 131072, native 1M context, BF16, Apache-2.0

Imatrix tensor types (attn_gate, attn_qkv, attn_output, ffn_gate, ffn_up, ffn_down) are all covered by the existing class map — no new mappings needed. Preset spark2_5 added, detected via general.architecture metadata.

Quants

FileSizePPL (wiki.test.raw, ctx 1024)Description
Spark-X2.5-4B-BF16-Q8_0.gguf4.1 GB30.86 ± 0.29Uniform Q8_0 reference
Spark-X2.5-4B-BF16-ASHQ1-6000.gguf4.0 GB30.84 ± 0.29Matches Q8 at slightly smaller size
Spark-X2.5-4B-BF16-ASHQ1-4000.gguf3999 MiB31.25 ± 0.30Recommended: +0.4 PPL for −100 MiB
Spark-X2.5-4B-BF16-TOPDOWN-4000.gguf4005 MiB32.12 ± 0.31Top-down variant — bottom-up wins
Spark-X2.5-4B-BF16-ASHQ1-2600.gguf2605 MiB32.85 ± 0.31Tight: Q4/Q5/Q6 mix, no sub-4-bit
Spark-X2.5-4B-BF16-ASHQ1-2000.gguf2002 MiB61.33 ± 0.62Floor demo — lands between uniform Q3_K_M (44.88 @ 2.1 GB) and Q2_K (95.78 @ 1.4 GB): better than Q2 at near-Q3 size, but the cliff below 2600 is real
Spark-X2.5-4B-BF16-Q3_K_M.gguf2.1 GB44.88 ± 0.45Uniform low-bit reference (not uploaded)
Spark-X2.5-4B-BF16-Q2_K.gguf1.4 GB95.78 ± 0.99Uniform low-bit reference (not uploaded)

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. Note: spark needs -c 1024 — at -c 512 the same Q8 scores ~2× worse (context fragmentation).

⚠️ 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.

Notes

  • Source BF16: XHToken/Spark-X2.5-4B-GGUF (BF16 conversion)
  • Imatrix: custom Spark-X2.5-4B imatrix (216 entries, 36 layers)
  • 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
a55a5aa

0 моделей