/ Модель

Характеристики

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

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

Генерация текстаТекст → текст3 профессии

Выделенный MTP-драфтер для ускорения спекулятивного декодирования совместимой Qwen3.8-27B-Abliterated в mlx-vlm.

379скачиваний за 30 дней0лайковвеса обновлены19 сен 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 выделенные веса MTP-драфтера из windowsxp811203/Qwen3.8-27B-Abliterated, подготовленные для ускоренного спекулятивного декодирования в mlx-vlm. Разработчик — windowsxp811203. Модель не работает самостоятельно: её нужно использовать вместе с совместимой целевой моделью Qwen3.8-27B-Abliterated MLX, которая предоставляет эмбеддинги токенов и LM head. Драфтер и целевая модель должны иметь одинаковое abliterated-поведение.

Архитектура — qwen3_5_mtp, блок размера 3; репозиторий содержит 15 тензоров в формате bf16 и занимает около 810 МиБ. В тестах автора на M5 Max ускорение зависело от квантования целевой модели: для oQ4e указано 1,29×, для oQ8e — 1,94×, а для oQ6e ускорения не было. Спекулятивные токены проверяются распределением целевой модели, поэтому принятие черновиков меняет скорость, но не целевое распределение; при вычислениях bf16 жадная генерация может разойтись на близких по вероятности токенах.

Модель предназначена для ускорения генерации текста целевой моделью, а не для самостоятельного общения или генерации. Унаследованная лицензия — Apache-2.0. README отмечает, что родительская модель не отказывает в запросах, поэтому её ответы требуют ответственного применения.

Сценарии применения

  • ускорение генерации текста на совместимой Qwen3.8-27B-Abliterated MLX
  • спекулятивное декодирование с целевой моделью в mlx-vlm
  • снижение задержки диалоговой генерации на Apple Silicon

Ограничения

Не является самостоятельной моделью и совместима только с abliterated-целями Qwen3.8-27B-Abliterated MLX; базовые Qwen-драфтеры с ней несовместимы. Выигрыш в скорости зависит от квантования целевой модели, а для oQ6e в замерах автора ускорения не было.

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-Abliterated-MTP-bf16

The MTP drafter weights split out of windowsxp811203/Qwen3.8-27B-Abliterated, in bf16, for mlx-vlm speculative decoding.

This is not a standalone model. Pair it with a Qwen3.8-27B-Abliterated MLX target; the target supplies the token embeddings and the LM head at runtime. Use the abliterated drafter with abliterated targets only: the parent's abliteration edited the MTP head together with the trunk (ABLIT_META.edit_mtp: true), so the base-Qwen drafters (mlx-community/Qwen3.8-27B-MTP-*) are mismatched with these targets and vice versa.

Use with mlx-vlm

pip install -U mlx-vlm
hf download windowsxp811203/Qwen3.8-27B-Abliterated-MLX-MTP --include "oQ4e/*" --include "drafter/*" --local-dir ./mlx-mtp
python -m mlx_vlm.generate --model ./mlx-mtp/oQ4e --draft-model ./mlx-mtp/drafter \
  --prompt "Write a quicksort in Python." --max-tokens 512

--draft-kind mtp is detected automatically from model_type. Measured on an M5 Max 128 GB with mlx-vlm 0.6.17, temperature 0: single prompt (36 tokens), 300 generated tokens, best run per arm across 3 sessions: oQ4e 31.1 → 39.9 tok/s (1.29×, 90.6% of drafts accepted; plain runs 24.0–31.1 n=5, drafter runs 33.1–39.9 n=3); oQ8e 18.0 → 34.8 tok/s (1.94×, 88.4% of drafts accepted; plain runs 14.5–18.0 n=5, drafter runs 26.4–34.8 n=3); oQ6e 22.1 → 20.2 tok/s (0.91×, 88.4% of drafts accepted; plain runs 18.9–22.1 n=5, drafter runs 16.9–20.2 n=3). The 6-bit target gains nothing from this path in our runs (the 6-bit affine kernels appear to leave no headroom for the multi-token verify pass; oQ6e+drafter is even slower than oQ8e+drafter) — use oMLX's in-checkpoint MTP there.

Targets (folders of the project repo): oQ4e/ · oQ6e/ · oQ8e/ · bf16/ (the drafter path was measured on the three oQ targets only). Those checkpoints also carry the MTP head inside the file for oMLX; this repo is only needed for the mlx-vlm --draft-model path.

Model details

  • Model type: qwen3_5_mtp · block size 3 · 15 tensors · bf16 · 810 MiB (849,400,335 bytes)
  • Extracted with mlx_vlm.split_mtp (0.6.17) directly from the HF bf16 parent; norms carry MLX's +1 RMSNorm convention.
  • Speculative decoding is distribution-preserving: drafts are verified against the target's own distribution, so acceptance only changes speed. It is not bit-exact under bf16 kernels — greedy outputs can diverge after a near-tie token.

Support / 打賞

If these models are useful to you, tips are appreciated — they pay for the GPU time. 如果這些模型對你有幫助,歡迎打賞,用於支應算力成本。

USDT (TRC20) · TPTo32r7vKazpTNaFqfFZ2ztoK1DG88888

Disclaimer

Inherits the Apache-2.0 license of the base model. The parent model will not refuse; you are responsible for your use.

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
0221767

0 моделей