К содержимому
Другое

Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-GGUF

квантованная модель для программирования

1 мин чтенияобновлено

Модель представляет собой конвертацию uncensored-версии мощной языковой модели Qwen2.5-Coder-32B в формат GGUF (формат для эффективного запуска больших языковых моделей на потребительском железе) с квантованием Q8_0. Она специализируется на написании кода, отладке и решении технических задач без жестких цензурных ограничений. Такая модель подходит разработчикам, которым требуется локальный интеллектуальный помощник для работы с кодом прямо на персональном компьютере или сервере.

Ключевые особенности

  • Базируется на uncensored-версии Qwen2.5-Coder-32B
  • Сохранена высокая точность благодаря квантованию Q8_0
  • Оптимизирована для работы через утилиты llama.cpp
  • Поддерживает запуск в режиме CLI и локального сервера

Что можно сделать

  • Запустить локальный сервер для генерации и автодополнения кода
  • Использовать утилиту командной строки для быстрого решения задач программирования
  • Интегрировать модель в локальные среды разработки и поддерживающие GGUF клиенты

Пример

llama-cli --hf-repo ymarpro/Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-GGUF --hf-file qwen2.5-coder-32b-instruct-uncensored-q8_0.gguf -p "The meaning to life and the universe is"
ПодробнееФормат: GGUF (квантование Q8_0)
Инструменты запуска: llama.cpp (CLI и Server)
Базовая модель: thirdeyeai/Qwen2.5-Coder-32B-Instruct-Uncensored
Обсудить Telegram 0 87

Запустится ли?

Только с выгрузкой в ОЗУ

Даже GGUF Q8_0 больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • GGUF Q8_0рекомендуемвеса 32 GB · готовые файлы36 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: В домашние видеокарты не поместится — выгоднее арендовать.

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.

    # ymarpro/Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-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 ymarpro/Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-GGUF --local-dir ~/models/Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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. Qwen2.5-32Bоснова семьи
  2. Qwen2.5-Coder-32B
  3. Qwen2.5-Coder-32B-Instruct
  4. Qwen2.5-Coder-32B-Instruct-Uncensored
  5. Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-GGUF

Новые посты про версии Qwen2.5-32B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 12Все на Hugging Face

О модели

ymarpro/Qwen2.5-Coder-32B-Instruct-Uncensored-Q8_0-GGUF
Автор
ymarpro
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

870

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии