К содержимому
Компьютерное зрение

Qwopus3-5-9B-Coder-Flash-mlx-6Bit

6-битная MLX-версия модели для кода на Mac

2 мин чтения

Это версия языковой модели Jackrong/Qwopus3-5-9B-Coder-Flash, сконвертированная в формат MLX (фреймворк Apple для запуска нейросетей на чипах Apple Silicon) с 6-битным квантованием (сжатием весов для экономии памяти). Модель решает задачи генерации текста и написания кода, имеет размер около 8.95B параметров и поддерживает несколько языков, включая русский и английский. Конвертацию выполнил автор OmAr-Kader-DeV с помощью библиотеки mlx-lm. Сборка пригодится владельцам компьютеров Mac, которые хотят локально запускать лёгкую модель для разработки без облачных API.

Ключевые особенности

  • Формат MLX (6Bit): адаптирована для работы на устройствах Apple с уменьшенным потреблением памяти за счёт 6-битного квантования.
  • Фокус на код: основана на специализированной кодер-модели Qwopus3-5-9B-Coder-Flash объёмом 8.95B параметров.
  • Мультиязычность: заявлена поддержка русского, английского, китайского, корейского, японского и испанского языков.
  • Простой запуск: работает напрямую через стандартный пакет mlx-lm версии 0.31.2 и выше.

Что можно сделать

  • Локальный ассистент программиста: подключить модель на MacBook для генерации, разбора и доработки кода в офлайне.
  • Чат-бот для технических задач: использовать в локальных скриптах и ботах с поддержкой диалогового шаблона (chat_template) на русском языке.

Пример

from mlx_lm import load, generate

model, tokenizer = load("OmAr-Kader-DeV/Qwopus3-5-9B-Coder-Flash-mlx-6Bit")
messages = [{"role": "user", "content": "hello"}]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
response = generate(model, tokenizer, prompt=prompt, verbose=True)
ПодробнееБазовая модель: Jackrong/Qwopus3-5-9B-Coder-Flash (8.95B параметров)
Формат и квантование: MLX, 6-bit, конвертация через mlx-lm 0.31.2
Поддерживаемые языки: en, zh, ko, ja, ru, es
Обсудить Telegram 0 32

Запустится ли?

Запустится в U32

Влезает без сжатия.

  • U32веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.3 GB9.7 GB
  • 4-bitвеса 4.7 GB5.7 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 3080 · U32 — 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.

    # OmAr-Kader-DeV/Qwopus3-5-9B-Coder-Flash-mlx-6Bit
    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 OmAr-Kader-DeV/Qwopus3-5-9B-Coder-Flash-mlx-6Bit --local-dir ~/models/Qwopus3-5-9B-Coder-Flash-mlx-6Bit
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwopus3-5-9B-Coder-Flash-mlx-6Bit
  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

Jackrong/Qwopus3-5-9B-Coder-Flash
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. Qwen3.5-9B
  4. Qwopus3-5-9B-Coder-Flash
  5. Qwopus3-5-9B-Coder-Flash-mlx-6Bit

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

OmAr-Kader-DeV/Qwopus3-5-9B-Coder-Flash-mlx-6Bit
Автор
OmAr-Kader-DeV
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

320

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии