К содержимому
Компьютерное зрение

Qwen3.8-27B-opencode MLX

локальный кодинг-агент для Mac

2 мин чтения

Модель представляет собой оптимизированную версию мощного ассистента для программирования и работы с терминалом Qwen3.8-27B-opencode, переконвертированную для запуска на Apple Silicon с помощью фреймворка MLX. Она обучена с использованием RL (AsyncGRPO) специально для решения инженерных задач и работы в составе агента OpenCode. Сборка включает в себя как текстовую часть, так и встроенный визуальный энкодер вместе с MTP-слоем (многотокенового предсказания) для ускорения генерации. Полезная находка для разработчиков, желающих запускать продвинутую локальную языковую модель без потери производительности.

Ключевые особенности

  • Полная совместимость с экосистемой MLX для запуска на Mac с чипами Apple Silicon.
  • Высокая эффективность в задачах программирования и анализа кода (бенчмарки SWE-bench Pro и Terminal-Bench).
  • Поддержка работы с изображениями и скриншотами через mlx-vlm.
  • Встроенный MTP-слой для ускорения генерации токенов (спекулятивного декодирования).
  • Наличие разных вариантов квантования (от 4-бит до bf16) для подбора под объем доступной VRAM/памяти.

Что можно сделать

  • Развернуть локальный OpenAI-совместимый сервер через mlx-lm для интеграции в среду разработки OpenCode.
  • Писать и проверять код прямо из Python-скриптов с помощью удобного интерфейса загрузки.
  • Анализировать ошибки в терминале, передавая модели скриншоты интерфейса вместе с текстовым промптом.
  • Ускорить генерацию ответов за счет использования встроенного механизма MTP в качестве draft-модели.

Пример

Запуск локального сервера для интеграции в OpenCode через терминал:

pip install -U "mlx-lm>=0.32.2"
mlx_lm.server --model netprojects/Qwen3.8-27B-opencode-MLX-bf16 --port 8000 \ --chat-template-args '{"enable_thinking": false}'
Подробнее• SWE-bench Pro (hard 51): улучшение с 35.3% до 51.0% по сравнению с базовой моделью.
• Terminal-Bench 2.1: рост с 46.4% до 52.4%.
• Размер модели: 55.6 GB в bf16, рекомендуемая версия на 6-бит весит 23.1 GB.
• Лицензия: Apache-2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 52 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 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.

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.

    # netprojects/Qwen3.8-27B-opencode-MLX-bf16
    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 netprojects/Qwen3.8-27B-opencode-MLX-bf16 --local-dir ~/models/Qwen3.8-27B-opencode-MLX-bf16
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.8-27B-opencode-MLX-bf16
  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-opencode-adapted
  3. Qwen3.8-27B-opencode-MLX-bf16

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

netprojects/Qwen3.8-27B-opencode-MLX-bf16
Автор
netprojects
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии