license: apache-2.0 base_model: JonathanColetti/Qwen3.8-27B-Uncensored library_name: gguf tags:
- text-generation
- gguf
- quantizer
- autoround
- architecture-aware
- mamba
- ssm
- multi-token-prediction
- mtp
- uncensored
- 27b
Qwen3.8-27B-Uncensored-YMQ-MTP-GGUF
⚖️ 架构感知型、受 AutoRound 启发的混合精度布局
本仓库包含 Qwen3.8-27B (Uncensored) 的先进、定制架构感知型量化版本,这些版本直接使用自研的 YMQ-Compiler (v2.0) 对数空间框架从官方原始 BF16 源文件处理而成。
这些构建版本原生支持并行多标记预测(multi-token prediction, MTP)推测引擎,并采用针对严苛的代码开发 API 执行环境(例如 RooCode/Aider)量身定制的高上下文优化参数。
📊 量化预设档次详情
| 预设档次 | 总大小 | 目标使用场景 / 显存 (VRAM) 占用画像 | 真实代码开发认知质量 |
|---|---|---|---|
XXS-Pro | ~9.3 GB | ⚠️ 实验性低显存沙盒 | 极度紧凑前沿之选。 困惑度 (Perplexity) = 8.2084。将 27B 密集矩阵压缩至 10GB 以内的体积极限。在高强度的多阶段智能体工作流中,可能偶发上下文遗忘或格式死循环,但关键上层路由轨道受到重度绝缘保护以维持基础逻辑结构。 |
XXS | ~9.8 GB | 极限显存压榨 / 12GB 显卡救生线 | 具有较大的结构性量化噪声。最适合限制在低上下文、单轮指令任务中。可在 12GB 显卡上运行并留出上下文缓存呼吸空间。 |
XS-TI | ~10.2 GB | ⚡ 12GB 显卡生命线 (高上下文) | 12GB 上下文王者。 将核心注意力层安全锁定在稳定的 IQ3_XXS 渐变梯度上,同时将非关键辅助阵列极致压缩至 IQ2_XS。 |
XS-Pro | ~11.0 GB | ⚡ 专属 12GB 显存王者 | 高压缩经济基线。经过深度优化,防止在深层上下文任务中出现 API 退化。 |
S-Pro | ~12.5 GB | 💎 16GB 工作站主力 | 纯净自然的对话流畅度,采用全注意力装甲加固。 |
M-TI | ~12.6 GB | 💎 优质 16GB GPU 工作空间主力驱动 | 16GB 工作站首选。 采用稳健的 Q5_K/IQ4_XS 混合精度渐变梯度,在充分保护逻辑推理焦点的同时,留出超过 3.4GB 的显存余量。 |
M | ~14.5 GB | 终极编程黄金甜点(强烈推荐) | 顶尖逻辑稳定性。 极致的逻辑清晰度。全面碾压业内标准的 4-bit 替代方案。 |
L-TI | ~14.1 GB | 🔥 重载 16GB 工作站优选(高精度) | 16GB 高保真王者。 具备坚固的 Q6_K/IQ4_NL 装甲峰值[本地]。最大程度减少信息熵漂移,保持多轮长流程智能体执行循环中的结构逻辑稳定。 |
L | ~17.0 GB | 高端单卡 GPU 处理 / 重载工作负载 | 近乎无损的指令格式化表现。纯净的多轮架构安全性。 |
XL | ~19.0 GB | 极致显存填满 / 不作任何妥协 | 数学饱和上限。为庞大的多文件代码库操作提供全精度逻辑轨道。 |
🎯 快速选型指南
| 使用场景 | 推荐预设 | 原因 |
|---|---|---|
| 12GB GPU | XS-TI 或 XS-Pro | 具备出色的 12GB 显卡表现,并支持高上下文 |
| 16GB GPU (推荐) | M-TI 或 S-Pro | 编程任务的黄金甜点档位,拥有最佳的显存缓冲余量 |
| 24GB GPU | L-TI 或 M | ~14GB 模型完美适配 24GB 显存,并留有充足的上下文余量 |
| 低显存 / 实验性场景 | XXS-Pro | 10GB 以内的体积极限,适合测试与轻量级工作流 |
📉 困惑度评估指标 (WikiText-2)
以下指标展示了 YMQ-Compiler 对数空间聚类分析相比标准线性量化布局在数学质量保持方面的优势。使用官方 WikiText-2 测试语料库,在 4096 上下文窗口下通过 llama-perplexity 原生测试。
| 模型变体 | 文件大小 | 困惑度 (Perplexity) | 平均 KL 散度 | 内部 Bit 梯度 (高 ➔ 中 ➔ 低 ➔ 默认 ➔ 兜底底线) |
|---|---|---|---|---|
XXS-Pro | ~9.3 GB | 8.2084 | 0.185361 ± 0.0021 | IQ3_XXS ➔ IQ3_XXS ➔ IQ2_S ➔ IQ2_S ➔ IQ2_XXS |
XXS | ~9.8 GB | 7.6538 | 0.193804 ± 0.0022 | IQ3_XXS ➔ IQ2_S ➔ IQ2_XS ➔ IQ2_XS (无底线) |
XS-TI | ~10.2 GB | 7.6169 | 0.168378 ± 0.001935 | IQ3_XXS ➔ IQ3_XXS ➔ IQ3_XXS ➔ IQ3_XXS ➔ IQ2_XXS |
XS-Pro | ~11.0 GB | 7.1665 | 0.135866 ± 0.0018 | IQ4_XS ➔ IQ3_XXS ➔ IQ3_XXS ➔ IQ3_XXS ➔ IQ2_XXS |
S-Pro | ~12.5 GB | 7.0687 | 0.080403 ± 0.0014 | Q5_K ➔ IQ3_S ➔ IQ3_XXS ➔ IQ3_XXS (无底线) |
M-TI | ~12.9 GB | 7.0419 | 0.104087 ± 0.0016 | Q5_K ➔ IQ4_XS ➔ IQ3_S ➔ IQ3_XXS ➔ IQ2_XXS |
M | ~14.5 GB | 6.8176 | 0.053286 ± 0.0013 | Q5_K ➔ IQ4_XS ➔ IQ3_S ➔ IQ3_XXS (无底线) |
L-TI | ~14.1 GB | 7.1788 | 0.086571 ± 0.0013 | Q6_K ➔ IQ4_NL ➔ IQ4_XS ➔ IQ3_S ➔ IQ2_XS |
L | ~17.0 GB | 6.9832 | 0.031546 ± 0.0009 | Q6_K ➔ Q5_K ➔ IQ4_NL ➔ IQ3_S (无底线) |
XL | ~19.0 GB | 6.8329 | 0.011598 ± 0.0005 | Q6_K ➔ Q6_K ➔ Q5_K ➔ IQ4_NL (无底线) |
🚨 重大架构更新
-
淘汰旧版
S预设: 旧有的标准S配置(~12.2 GB)已从本仓库中正式移除。 -
升级为
S-Pro(~12.5 GB): 我们已使用全新工程设计的S-Pro预设予以替代。 -
淘汰旧版
XS预设: 旧有的标准XS配置(~11.0 GB)已从仓库树中永久移除。 -
升级为
XS-Pro(~10.5 GB): 我们已正式使用全新工程设计的XS-Pro预设予以替代。评分达到 7.1665,相比原 XS 的 8.1516 大幅提升。
💡 多级网格突破:标准版 S 与 S-Pro 的对比
在密集的本地工作区验证过程中,我们具备架构感知的 YMQ-Compiler 成功绘制出一种颠覆性的全新比特分配矩阵。通过分拆层级分布,我们为标准预算级档位打造出了一款高保真的高端替代方案:
- 标准
S预设 (~12.2 GB): 困惑度 = 8.0351。具有均衡的对数空间渐变梯度。高度契合单轮脚本处理和快速编辑任务。成功导入了完整的 91kb 代码片段并原生修复了深层优先级字典 bug。 S-Pro预设 (~12.5 GB): 困惑度 = 7.0687。通过将辅助张量通道激进压缩至Q2_K,同时将背景基准底线提升至IQ3_XXS,S-Pro 消除了大量的背景量化噪声——在仅增加数兆字节文件体积的情况下,将理论困惑度大幅降低了约 1.0 点。
实际带来的效果是:为 16GB 显卡环境打造出了一款卓越且低开销的日常主力模型。拥有全方位 Q5_K 推理装甲 加持。
💡 无审查(Uncensored)性能突破
请注意,Uncensored M 预设 取得了 6.8176 的顶尖评分,甚至超越了原始基础模型的评分(6.8413)。这是因为移除了人造的拒绝安全层之后,模型底层的 Attention 与 Mamba SSM 权重能够以绝对、无拘无束的数学清晰度预测文本路径。
通过将 JonathanColetti 精湛的消融(abliteration)权重与 YMQ-Compiler 的对数空间门控绝缘技术相结合,该预设不仅具备了与庞大的 19GB XL 文件相匹敌的原始推理性能,还为本地 RooCode/Aider 编程循环重新争夺回整整 5GB 的显存开销缓存空间!
💡 XXS-Pro 布局工程说明
XXS-Pro 预设是一次极具进攻性的探索尝试,采用了优化的混合精度架构模板:
HIGH="IQ3_XXS" (3.0 BPW) -> MID="IQ3_XXS" -> LOW="IQ2_S" (2.5 BPW) -> FLOOR="IQ2_XXS" (2.06 BPW)。
通过引入定制的 FLOOR_TARGET 参数,我们激进地压制了辅助和背景矩阵噪声,以严格控制在 9.5 GB 显存硬性上限 之内。尽管该压缩级别带来的量化噪声会对复杂的多文件编辑循环构成挑战,但我们的对数空间转向门控保护使模型能够在低显存显存缓冲区中保持出奇强劲的英语语言能力和短脚本跟踪表现!
⚖️ YMQ 与均匀量化对比 (AutoRound 哲学)
标准的量化流水线会在模型的每一层中套用生硬的单一量化位宽。这不仅会在静默的背景层上白白浪费宝贵的显存,还会使核心逻辑锚点失去必要的精度保障。
YMQ-Compiler 实践了一种类似于 Intel AutoRound 等先进权重调优框架的理念:
- 定向比特分配: 它剥离低收益背景张量的比特位,并将节省下来的显存预算直接重新分配为模型最高认知峰值与边界通路的完整高保真屏障。
- 即时优化: YMQ 无需运行数天耗时的漫长优化微调循环,而是通过在对数空间中分析层级重要性指标,即时生成高精度的混合精度布局。
最终呈现的是一个量身定制的混合精度组合,它不仅具备高端优化量化方案(如 AutoRound)的超低困惑度与高上下文稳定性,同时保持了超轻量、高速度的单 GPU 缓存占用。
🛠️ YMQ 编译架构
传统的量化流水线将网络张量视为平坦的数据集,直接对脆弱的追踪网络施加破坏性的低比特全面压缩。YMQ-Compiler 通过自动化的多层防护矩阵动态解析模型文件,从而解决了高上下文下的逻辑衰减难题:
- 对数空间间隔检测聚类 (Log-Space Gap Detection Clustering):引擎不采用固定的百分比阈值,而是在对数空间中计算统计聚类方差,成功分离中间逻辑推理峰值,并将其提升为稳定的非线性 4-bit (
IQ4_XS) 格式,同时将空闲的事实存储层压缩至激进的 2-bit 基线。 - 渐隐边界衰减 (Fading Boundary Tapering):充分认识到初始 Token 输入数据向量的极端脆弱性,强制建立输入波形缓冲(
L00=IQ4_NL→L01=IQ4_XS→L02=IQ3_XXS),在进入降级回退池之前逐步稳定参数。 - 专用门控绝缘 (Dedicated Gate Insulation):对不稳定的并行 Transformer 多头注意力与 Mamba 线性状态空间模型 (SSM) 路由路径实施硬件级屏障保护,使上下文追踪始终保持绝对无噪。
- 非对称词表屏蔽 (Asymmetric Vocabulary Shielding):通过将最终的 logit 分类输出头映射到稳健配置,修复共享权重边界错误,从根本上彻底杜绝深层上下文下的格式死循环与 API 标签泄漏。
- 原生 Next-N 推测剥离 (Native Next-N Speculative Stripping):经过先进的预分词器剥离处理,确保在各类混合配置下绝对零索引偏移漂移或层偏移风险。
🚀 推荐运行参数 (llama.cpp / llama-server)
需要扩展算力?可通过 RunPod Cloud Compute 在按需云端 GPU 上部署此运行命令。
./llama-server -m models/Qwen3.8-27B-Uncensored-YMQ-M-TI.gguf -ctk q8_0 -ctv q4_0 --ctx-size 245760 --mmproj models/Qwen3.8-27B-Uncensored-vision-Q6_K.gguf \
--spec-type draft-mtp --spec-draft-n-max 2 --timeout 36000 --checkpoint-min-step 2048 --ctx-checkpoints 4 \
--n-predict -1 --temp 0.6 --top-p 0.95 --top-k 20 --repeat-penalty 1.05 --jinja -fa
🖼️ 视觉投影文件 (--mmproj)
如需支持多模态视觉能力,请将上述构建版本与以下投影文件之一搭配使用:
| 变体 | 文件 | 大小 | 说明 |
|---|---|---|---|
| 全精度 (F16) | Qwen3.8-27B-Uncensored-vision-f16.gguf | ~928 GB | 全精度视觉塔,原生适配 Uncensored 消融权重。为图像推理任务提供最高保真度。 |
| Q6_K | Qwen3.8-27B-Uncensored-vision-Q6_K.gguf (本仓库) | ~587 MB | 高保真量化视觉塔。在质量与体积之间达到极佳平衡,几乎无肉眼可见的质量下降。 |
| Q4_K_S | Qwen3.8-27B-Uncensored-vision-Q4_K_S.gguf (本仓库) | ~478 MB | 紧凑型视觉投影,专为显存受限环境设计。以更小的体积保持出色的图像理解能力。 |
在启动 llama-server 时通过 --mmproj <path-to-file> 传入(参见上述示例)。
☕ 支持与未来研发
如果 YMQ-Compiler 构建版本避免了您的上下文窗口崩溃,或是提升了您的日常开发迭代速度,欢迎请我们喝杯咖啡以资助更多底层优化研究。您的支持将持续驱动服务器节点烘焙更多未来规模的模型!
📦 源框架与自动化代码
编译器流水线自动化引擎、配置阈值与结构映射规则均已开源。如需查看实现细节或使用此配置文件布局原生编译您自己的定制模型,请访问官方开发中心: