К содержимому
Компьютерное зрение

Qwen3.8-27B-opencode-adapted-GGUF

модель для кода с квантованием под llama.cpp

2 мин чтенияобновлено

Эта модель представляет собой квантованную GGUF-версию файнтюна Qwen/Qwen3.8-27B, оптимизированную для задач программирования и работы в терминале. Она создана путем слияния базовой модели и LoRA-адаптера, обученного с помощью обучения с подкреплением в окружениях Harbor и OpenEnv. Модель поддерживает встроенное предсказание нескольких токенов (MTP — Multi-Token Prediction) для ускорения генерации при локальном запуске. Она пригодится разработчикам и инженерам для запуска локального ИИ-ассистента по коду.

Ключевые особенности

  • Готовый GGUF-формат: модели квантованы для запуска через llama.cpp без необходимости подключать отдельные LoRA.
  • MTP (Multi-Token Prediction): встроенные головы прогнозирования нескольких токенов ускоряют генерацию без отдельной модели-драфта.
  • Различные варианты квантования: доступны версии от компактной Q4 до максимальной Q8.
  • Специализация на коде: обучена для решения инженерных задач и работы с терминалом.

Что можно сделать

  • Локальный запуск: развернуть модель в приложениях и утилитах, поддерживающих llama.cpp и формат GGUF.
  • Разработка ПО: использовать для генерации кода, отладки и автоматизации задач в терминале.
  • Мультимодальные задачи: подключить отдельный файл проекции mmproj-bf16.gguf для работы с изображениями.

Пример

Скачайте основной файл весов нужного квантования (например, Q4_K_M) и файл проекции mmproj-bf16.gguf, а затем запустите через совместимый движок llama.cpp для работы с кодом.

ПодробнееБенчмарки адаптера: SWE-bench Pro (hard 51) — 51.0% (против 35.3% у базы), Terminal-Bench 2.1 — 52.4% (против 46.4%).
Размер файлов: от 15.8 GB до 29 GB для основных весов и 931 MB для mmproj.
Особенности: содержит встроенные MTP-тензоры для ускорения инференса.
Обсудить Telegram 3 266

Запустится ли?

Запустится в GGUF Q5_K_M

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

  • GGUF Q8_0рекомендуемвеса 27 GB · готовые файлы30 GB
  • GGUF Q5_K_Mвеса 18 GB · готовые файлы21 GB
  • GGUF Q5_K_Sвеса 18 GB · готовые файлы20 GB
  • GGUF Q4_K_Mвеса 16 GB · готовые файлы18 GB
  • GGUF Q4_K_Sвеса 15 GB · готовые файлы17 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 5090

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.

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

  1. Qwen3.8-27Bоснова семьи
  2. Qwen3.8-27B-opencode-adapted
  3. Qwen3.8-27B-opencode-adapted-GGUF

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

prithivMLmods/Qwen3.8-27B-opencode-adapted-GGUF
Автор
prithivMLmods
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

2663

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии