К содержимому
Другое

Qwen3.8-27B-abliterated-colibri-i8

мультимодальная модель Qwen3.8 для движка colibri

2 мин чтенияобновлено

Это сборка мультимодальной модели Qwen3.8-27B с удалённой цензурой (abliterated — техника снятия ограничений и отказов отвечать), упакованная специально для запуска в движке colibrì. На выходе она генерирует текст и способна анализировать изображения благодаря встроенному визуальному модулю (vision tower на 27 слоёв). Веса в контейнере сохранены в формате f16 без предварительного сжатия, но сам движок квантует их при загрузке в память. Релиз подойдёт исследователям локального инференса и разработчикам, тестирующим работу плотных (dense) моделей на CPU.

Ключевые особенности

  • Гибридная dense-архитектура: 64 слоя, где каждые 3 из 4 слоёв используют линейное внимание Gated DeltaNet, а каждый четвёртый — полное внимание (full attention).
  • Поддержка изображений: чекпоинт включает 27-слойный vision tower (model-vision.safetensors), что позволяет подавать на вход картинки.
  • Гибкое квантование при загрузке: через переменную COLI_DENSE_BITS можно выбрать режим int8 (по умолчанию, ~29 ГБ RAM) или выборочный int4 (~18–19 ГБ RAM).
  • Только для colibrì: модель упакована в 66 файлов safetensors (~51 ГиБ) под движок qwen36 и не запустится в transformers или vLLM.

Что можно сделать

  • Запустить локально на CPU: развернуть 27B-модель с поддержкой зрения на ноутбуке или ПК без видеокарты, сбалансировав потребление памяти через выборочное int4-квантование (COLI_DENSE_INT4).
  • Проводить red-team тесты и исследования: изучать поведение модели без встроенных отказов в изолированной среде или генерировать синтетические данные.
  • Использовать для креативных текстов: писать сценарии и истории без срабатывания стандартных фильтров безопасности базовой модели.

Пример

git clone [https://github.com/JustVugg/colibri](https://github.com/JustVugg/colibri) && cd colibri/c
make qwen36
./coli chat --model /path/to/this/repo --gpu none
ПодробнееСкорость на ноутбуке (только CPU): 1.6 tok/s в режиме int8 (по умолчанию) и 2.9 tok/s при COLI_DENSE_BITS=4 с настройкой COLI_DENSE_INT4=lmhead,dnproj,dnout,shexp.
Ограничения: при конвертации намеренно удалена голова MTP, поэтому спекулятивное декодирование (speculative decoding) не работает.
Бенчмарки качества и перплексии после конвертации и квантования не проводились, исходный репозиторий abliteration-версии в карточке не заполнен.
Обсудить Telegram 0 39

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.7 GB · готовые файлы5.7 GB
  • FP8 / INT8рекомендуемвеса 2.4 GB3.1 GB
  • 4-bitвеса 1.3 GB2.0 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 · BF16 — от RTX 2060

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.

    # foxAIengineer/Qwen3.8-27B-abliterated-colibri-i8
    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 foxAIengineer/Qwen3.8-27B-abliterated-colibri-i8 --local-dir ~/models/Qwen3.8-27B-abliterated-colibri-i8
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.8-27B-abliterated-colibri-i8
  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

Дообучение модели

Qwen/Qwen3.8-27B

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

foxAIengineer/Qwen3.8-27B-abliterated-colibri-i8
Автор
foxAIengineer
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

390

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии