К содержимому
Другое

Spark-X2.6-4B-oQ6e

конвертация модели для MLX

1 мин чтения

Модель представляет собой квантованную версию языковой модели Spark-X2.6-4B (около 4.11 миллиардов параметров), адаптированную для работы на устройствах Apple Silicon с помощью фреймворка MLX (библиотеки для машинного обучения от Apple). Квантование (сжатие модели для экономии памяти) выполнено методом oQ6e с использованием калибровки imatrix, что позволяет выборочно распределять точность для разных тензоров вместо применения единой битности. Разработка пригодится владельцам компьютеров Mac, которые хотят запускать современные языковые модели локально с меньшими требованиями к оперативной памяти.

Ключевые особенности

  • Формат MLX (оптимизирован для процессоров Apple Silicon)
  • Квантование oQ6e (enhanced=True) с использованием imatrix
  • Калибровка на основе 128 образцов по 512 токенов
  • Наличие отчета о распределении квантования oq_imatrix_report.json

Что можно сделать

  • Запустить локально на компьютерах Mac с чипами Apple Silicon через экосистему MLX
  • Проверить качество генерации текста на устройствах Apple с меньшим потреблением ресурсов
  • Изучить отчет о калибровке precision для оптимизации весов

Пример

Пример команды для запуска конвертации аналогичной модели через oMLX:

python run_oqe_conversion.py Spark-X2.6-4B-bf16 --models-dir /path/to/models --oq-level 6.0 --imatrix-samples 128 --imatrix-seq-length 512 --source-repo https://huggingface.co/XHToken/Spark-X2.6-4B
ПодробнееИсходный чекпоинт: Spark-X2.6-4B-bf16
Инструмент конвертации: oMLX версии 0.8.0rc1
Метод сжатия: imatrix (128 сэмплов по 512 токенов)
Файлы: model.safetensors, config.json, oq_imatrix_report.json
Обсудить Telegram 0 19

Запустится ли?

Запустится в U32

Влезает без сжатия.

  • U32веса 7.7 GB · готовые файлы8.9 GB
  • FP8 / INT8рекомендуемвеса 3.8 GB4.7 GB
  • 4-bitвеса 2.2 GB2.9 GB

Совет: берите 8-bit.FP8 / INT8 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: FP8 / INT8 — от RTX 2060 · U32 — от RTX 3080

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.

    # djrsystemservices/Spark-X2.6-4B-oQ6e
    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 djrsystemservices/Spark-X2.6-4B-oQ6e --local-dir ~/models/Spark-X2.6-4B-oQ6e
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Spark-X2.6-4B-oQ6e
  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

Новые посты про версии Spark-X2.6-4B-oQ6e — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

djrsystemservices/Spark-X2.6-4B-oQ6e
Автор
djrsystemservices
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Spark 2.0-code

Spark 2.0-code
Языковые модели

Spark-X2.6-1.7B

Spark-X2.6-1.7B