joycx/Qwen3.8-27B-Velocity-GGUF

GGUF sestavuje Qwen3.8-27B-Velocity ↗ (Qwen3.8-27B se sloučením Velocity LoRA), vyrobeno s maticí důležitosti zaměřenou na kód a měřenoualokací bitů na tenzor. V5 a V6jsou naše naměřené směsi; V5 udržuje zřetelně více modelu než Q5_K_M ve stejné velikosti; V6 hranuje Q6_K.

Měřeno na modelu s plnou přesností (BF16), vše ve vysokém, na stejné otázky. Každá buňka je žetony přesnosti / myšlení na odpověď / myšlení vs. akcie. Swift 1.5 ↗ (UkisAI) je další melodie Qwen3.8-27B, která snižuje myšlení.

Akcie je průměr každé otázky nad 5 publikovanými akciemi UkisAI (naše vlastní 2 na LiveCodeBench v6). Swift 1.5 na AIME, HMMT, C-Eval a IFBench: Publikovaná čísla UkisAI (5 semen, proti stejným akciím); na LiveCodeBench v6 jsme to sami spustili na stejných otázkách a semenech, s rozpočtem 32 768 tokenů na odpověď (UkisAI publikuje 81,7% s vlastním nastavením). Čísla žetonů SWIFT 1,5 jsou celkové žetony na odpověď (myšlení plus odpověď; v rámci asi 5% myšlení zde

Průměrná divergence KL od modelu BF16 měřená pomocí llama.cpp (`llama-perplexity --kl-divergence') na zadrženém textu. Nižší je lepší.