К содержимому
Другое

mradermacher/vox-mens-qwen3.5-9b-GGUF

квантованные версии языковой модели

2 мин чтения

Модель представляет собой набор статических квантований (GGUF (формат для запуска больших языковых моделей на потребительском железе)) весов модели brbrainerd/vox-mens-qwen3.5-9b. Она создана для запуска текстовых задач на обычных компьютерах и ноутбуках с разным объемом видеопамяти и оперативной памяти. Благодаря разнообразию вариантов сжатия можно подобрать оптимальный файл под имеющееся железо, сохранив баланс между скоростью работы и качеством генерации текста. Полезно разработчикам и энтузиастам, тестирующим локальные LLM (большие языковые модели).

Ключевые особенности

  • Большой выбор форматов сжатия: от легких Q2_K до детализированных Q8_0 и f16.
  • Доступны популярные и сбалансированные варианты вроде Q4_K_M и Q4_K_S для быстрой работы.
  • Использование формата GGUF обеспечивает совместимость с популярными локальными клиентами и фреймворками.
  • Оптимизировано для запуска на потребительском оборудовании без необходимости использовать мощные серверные GPU.

Что можно сделать

  • Запустить модель локально на своем компьютере с помощью совместимого софта для работы с GGUF-файлами.
  • Интегрировать модель в локальные чат-боты и среды разработки для текстовых задач.
  • Протестировать различные уровни квантования (например, IQ4_XS или Q5_K_M), чтобы оценить падение качества относительно оригинальных весов.

Пример

Для запуска модели скачайте нужный файл квантования (например, Q4_K_M) из репозитория и используйте его в поддерживаемых приложениях или библиотеках, таких как llama.cpp, указав путь к файлу в конфигурации.

ПодробнееБазовая модель: brbrainerd/vox-mens-qwen3.5-9b
Доступные размеры файлов: от 3.9 ГБ (Q2_K) до 18.0 ГБ (f16)
Рекомендуемые варианты: Q4_K_S, Q4_K_M (быстрые) и Q8_0 (лучшее качество)
Взвешенные и imatrix-квантования в данном релизе отсутствуют
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 17 GB · готовые файлы19 GB
  • GGUF Q8_0рекомендуемвеса 8.9 GB · готовые файлы10 GB
  • GGUF Q6_Kвеса 6.9 GB · готовые файлы8.0 GB
  • GGUF Q5_K_Mвеса 6.0 GB · готовые файлы7.1 GB
  • GGUF Q5_K_Sвеса 5.9 GB · готовые файлы7.0 GB
  • GGUF Q4_K_Mвеса 5.2 GB · готовые файлы6.3 GB
  • GGUF Q4_K_Sвеса 5.0 GB · готовые файлы6.0 GB
  • GGUF IQ4_XSвеса 4.9 GB · готовые файлы5.9 GB
  • GGUF Q3_K_Lвеса 4.6 GB · готовые файлы5.5 GB
  • GGUF Q3_K_Mвеса 4.3 GB · готовые файлы5.2 GB
  • GGUF Q3_K_Sвеса 4.0 GB · готовые файлы4.9 GB
  • GGUF Q2_Kвеса 3.6 GB · готовые файлы4.4 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: GGUF Q8_0 — от RTX 2080 Ti · GGUF F16 — от RTX 4090

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.

    # mradermacher/vox-mens-qwen3.5-9b-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 mradermacher/vox-mens-qwen3.5-9b-GGUF --local-dir ~/models/vox-mens-qwen3.5-9b-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к vox-mens-qwen3.5-9b-GGUF
  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

brbrainerd/vox-mens-qwen3.5-9b
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. vox-mens-qwen3.5-9b
  4. vox-mens-qwen3.5-9b-GGUF

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

mradermacher/vox-mens-qwen3.5-9b-GGUF
Автор
mradermacher
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

AGP-Qwen3.6-35B-A3B

AGP-Qwen3.6-35B-A3B
Компьютерное зрение

Script2Play-4B

Script2Play-4B