К содержимому
Компьютерное зрение

Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF

быстрый рассуждающий файнтюн Qwen 3.8 27B без цензуры

2 мин чтенияобновлено

Автор DavidAU совместно с командой энтузиастов выпустил многоступенчатый файнтюн и слияние (merge) на базе Qwen 3.8 27B в формате GGUF. Главная задача модели — убрать излишнее «передумывание» оригинала: она тратит в 2–10 раз меньше токенов на блок рассуждений (thinking tokens), но сохраняет подробность итогового ответа. В отличие от базовой Qwen 3.8 27B, версия TURBO быстрее переходит к результату, не имеет встроенных отказов (ablated/uncensored) и поддерживает работу с изображениями (Vision). Модель подойдёт тем, кто запускает локальные LLM на потребительском железе и хочет получить сильное рассуждение, вызов инструментов (tool calling) и креативное письмо без ожидания десятков тысяч скрытых токенов.

Ключевые особенности

  • Экономия токенов рассуждений: сокращает объём блока размышлений в 2–10 раз (в среднем на две трети) во всех трёх режимах глубины — xhigh, medium и low.
  • Рекорды для своего размера: первая открытая модель такого класса, преодолевшая отметку 730 баллов в бенчмарке ARC-C (735 в 8-бит и 719 в 4-бит) и 882 в ARC-E без искусственной подгонки под тесты (benchmaxing).
  • Снятие цензуры (Heretic): модель прошла процедуру удаления отказов с последующим дообучением для восстановления качества ответов и соблюдения инструкций.
  • Мультимодальность и MTP: сохранена поддержка распознавания изображений (Vision), а в репозитории доступны кванты с поддержкой MTP (Multi-Token Prediction) для ускорения генерации.
  • Стабильность малых квантов: благодаря методу обучения COLD FUSION (динамическая подстройка параметров на каждом примере через Unsloth) 4-битная версия сохраняет 99% качества 8-битной.

Что можно сделать

  • Локальный агент с инструментами: использовать кванты от Q4_K_M (рекомендуется Q6) для вызова внешних функций и API с низкой задержкой ответа.
  • Креативное письмо и сценарии: генерировать художественные тексты без цензурных ограничений, опираясь на встроенные данные Fable Fusion.
  • Анализ изображений и текстов: решать задачи формата image-text-to-text в локальных клиентах вроде LM Studio с ручной настройкой глубины рассуждений через Jinja-шаблон.

Пример

{%- set reasoning_effort = 'medium' %}
{%- set reasoning_effort = 'low' %}
ПодробнееБенчмарки: ARC-C — 735 (8-bit) и 719 (4-bit), что на 144 балла выше базовой Qwen 3.8 27B; ARC-E — 882.
Рекомендуемые параметры: температура 0.6–0.7, repetition penalty — 1 (выключен).
Для стабильного tool calling нужен квант не ниже Q4_K_M (оптимально Q5_K_S/M или Q6) и отключение агрессивного кэширования.
Поддерживает 16 языков, включая русский и английский.
Видео-пример
Обсудить 3,5 тыс. 1,8 млн

Запустится ли?

Только с выгрузкой в ОЗУ

Даже GGUF IQ2_M больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • GGUF Q6_Kвеса 65 GB · готовые файлы72 GB
  • GGUF Q8_0рекомендуемвеса 56 GB · готовые файлы62 GB
  • GGUF IQ4_XSвеса 46 GB · готовые файлы51 GB
  • GGUF Q5_K_Mвеса 39 GB · готовые файлы43 GB
  • GGUF Q5_K_Sвеса 38 GB · готовые файлы42 GB
  • GGUF Q4_K_Mвеса 34 GB · готовые файлы38 GB
  • GGUF Q4_K_Sвеса 32 GB · готовые файлы36 GB
  • GGUF IQ3_Mвеса 27 GB · готовые файлы30 GB
  • GGUF IQ2_Mвеса 22 GB · готовые файлы25 GB

Совет: берите 8-bit.GGUF Q8_0 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF
    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 DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF --local-dir ~/models/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

  1. Qwen3.8-27Bоснова семьи
  2. Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU
  3. Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF
Автор
DavidAU
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

1,8 млн3,5 тыс.

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии