К содержимому
Компьютерное зрение

qwen3.8-27b-abliterated-candle

квантованные сборки Qwen3.8 27B под движок Candle

2 мин чтенияобновлено

Предварительно квантованные версии мультимодальной модели Huihui-Qwen3.8-27B-abliterated (вариант Qwen3.8-27B со снятыми ограничениями на отказ от ответа), подготовленные командой SceneWorks для движка Candle. Вместо скачивания оригинальных весов объёмом 55.6 ГБ пользователь может загрузить только нужный компактный вариант — q4 на 20.0 ГБ или q8 на 32.4 ГБ. При квантизации визуальный модуль (vision tower), эмбеддинги и выходной слой оставлены в точности bf16, поэтому модель сохраняет способность работать с изображениями. Репозиторий пригодится разработчикам, запускающим локальные мультимодальные модели через стек SceneWorks Inference и Candle на Rust.

Ключевые особенности

  • Два готовых уровня квантования: q4/ в формате блоков GGML Q4_K (20.0 ГБ) и q8/ в формате GGML Q8_0 (32.4 ГБ).
  • Сохранение мультимодальности: весовые коэффициенты model.visual.*, эмбеддинги, нормы и LM head оставлены в bf16.
  • Прямая загрузка без пересчёта: проекции декодера и MTP сохранены в виде сырых блоков GGML в тензорах U8, которые загрузчик Candle восстанавливает напрямую.
  • Самодостаточные директории: каждая папка с уровнем квантования уже содержит конфиг, токенизатор, шаблон чата и веса.
  • Наследование свойств базы: сохранено поведение версии abliterated без встроенных отказов отвечать на запросы.

Что можно сделать

  • Запустить мультимодальный чат или локальный инференс на Apple Metal через движок candle-llm (проверено на версии q4).
  • Использовать модель для распознавания и описания содержимого изображений без необходимости самостоятельно конвертировать исходный bf16-чекпоинт.
  • Интегрировать готовую сборку по фиксированному хэшу коммита в пайплайны на базе SceneWorks Inference.

Пример

В ходе проверки сборка q4/ была запущена через candle-llm на Apple Metal и протестирована на базовом визуальном распознавании: модель корректно определила сплошное красное и сплошное синее изображения. Для работы достаточно скачать только нужную подпапку (q4/ или q8/) вместо полного репозитория.

ПодробнееБазовая модель: huihui-ai/Huihui-Qwen3.8-27B-abliterated (на базе Qwen/Qwen3.8-27B), лицензия Apache-2.0.
Статус проверки: q4/ протестирована на Apple Metal; q8/ не запускалась из-за нехватки памяти на тестовом хосте; запуск на CUDA не проверялся.
Альтернатива для Apple Silicon: сборки MLX выложены отдельно в SceneWorks/qwen3.8-27b-abliterated-mlx.
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

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

  • BF16веса 30 GB · готовые файлы34 GB
  • FP8 / INT8рекомендуемвеса 15 GB17 GB
  • 4-bitвеса 8.5 GB9.8 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 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.

    # SceneWorks/qwen3.8-27b-abliterated-candle
    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 SceneWorks/qwen3.8-27b-abliterated-candle --local-dir ~/models/qwen3.8-27b-abliterated-candle
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qwen3.8-27b-abliterated-candle
  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. Huihui-Qwen3.8-27B-abliterated
  3. qwen3.8-27b-abliterated-candle

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

SceneWorks/qwen3.8-27b-abliterated-candle
Автор
SceneWorks
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

Языковые модели

GLM-4.7-Flash

GLM-4.7-Flash