Skip to content
Computer vision

qwen3.8-27b-abliterated-candle

квантованные сборки Qwen3.8 27B под движок Candle

2 min readupdated

Предварительно квантованные версии мультимодальной модели Huihui-Qwen3.8-27B-abliterated (вариант Qwen3.8-27B со снятыми ограничениями на отказ от ответа), подготовленные командой SceneWorks для движка Candle. Вместо скачивания оригинальных весов объёмом 55.6 ГБ пользователь может загрузить только нужный компактный вариант — q4 на 20.0 ГБ или q8 на 32.4 ГБ. При квантизации визуальный модуль (vision tower), эмбеддинги и выходной слой оставлены в точности bf16, поэтому модель сохраняет способность работать с изображениями. Репозиторий пригодится разработчикам, запускающим локальные мультимодальные модели через стек SceneWorks Inference и Candle на Rust.

Ключевые особенности

  • Два готовых уровня квантования: q4/ в формате блоков GGML Q4_K (20.0 ГБ) и q8/ в формате GGML Q8_0 (32.4 ГБ).
  • Сохранение мультимодальности: весовые коэффициенты model.visual.*, эмбеддинги, нормы и LM head оставлены в bf16.
  • Прямая загрузка без пересчёта: проекции декодера и MTP сохранены в виде сырых блоков GGML в тензорах U8, которые загрузчик Candle восстанавливает напрямую.
  • Самодостаточные директории: каждая папка с уровнем квантования уже содержит конфиг, токенизатор, шаблон чата и веса.
  • Наследование свойств базы: сохранено поведение версии abliterated без встроенных отказов отвечать на запросы.

Что можно сделать

  • Запустить мультимодальный чат или локальный инференс на Apple Metal через движок candle-llm (проверено на версии q4).
  • Использовать модель для распознавания и описания содержимого изображений без необходимости самостоятельно конвертировать исходный bf16-чекпоинт.
  • Интегрировать готовую сборку по фиксированному хэшу коммита в пайплайны на базе SceneWorks Inference.

Пример

В ходе проверки сборка q4/ была запущена через candle-llm на Apple Metal и протестирована на базовом визуальном распознавании: модель корректно определила сплошное красное и сплошное синее изображения. Для работы достаточно скачать только нужную подпапку (q4/ или q8/) вместо полного репозитория.

ПодробнееБазовая модель: huihui-ai/Huihui-Qwen3.8-27B-abliterated (на базе Qwen/Qwen3.8-27B), лицензия Apache-2.0.
Статус проверки: q4/ протестирована на Apple Metal; q8/ не запускалась из-за нехватки памяти на тестовом хосте; запуск на CUDA не проверялся.
Альтернатива для Apple Silicon: сборки MLX выложены отдельно в SceneWorks/qwen3.8-27b-abliterated-mlx.
Discuss Telegram 0

Will it run?

Runs in FP8 / INT8

Full precision does not fit, a quantised version does: quality barely changes down to 8 bits, more noticeably at 4 bits.

  • BF16weights 30 GB · ready files34 GB
  • FP8 / INT8recommendedweights 15 GB17 GB
  • 4-bitweights 8.5 GB9.8 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 4090

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # SceneWorks/qwen3.8-27b-abliterated-candle
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download SceneWorks/qwen3.8-27b-abliterated-candle --local-dir ~/models/qwen3.8-27b-abliterated-candle
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

  1. Qwen3.8-27Bfamily root
  2. Huihui-Qwen3.8-27B-abliterated
  3. qwen3.8-27b-abliterated-candle

New posts about versions of Qwen3.8-27B (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 2All on Hugging Face

About the model

SceneWorks/qwen3.8-27b-abliterated-candle
Author
SceneWorks
Category
Computer vision
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments