LinkkodeeAnkündigung
Viele Community-Finetunes größerer Modelle verlieren beim Finetuning Fähigkeiten wie Vision, Tool-Calling oder MTP. Qwythos-27B erhält den vollen Funktionsumfang der Basisarchitektur und lässt sich als Q4_K_M-Quantisierung (16,95 GB) lokal auf gängigen 24-GB-Grafikkarten betreiben.
Empero wählt einen pragmatischen Ansatz: Statt unvollständiger Benchmarks wie MMLU publizieren die Entwickler gemessene Perplexitätswerte auf Terminal- und Tool-Sessions sowie konkrete Hardware-Durchsatzdaten (74 Tokens/Sekunde auf einer RTX 5090). Durch die Beibehaltung hoher Präzision (mindestens Q8_0) in den sensiblen SSM-Zustandspfaden vermeidet das Team typische Degradierungseffekte quantisierter Linear-Attention-Modelle. Da das Modell unzensiert ausgelegt ist, erfordert ein Einsatz im Endkundenbereich eigene Sicherheitsfilter.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Empero AI
Empero AI veröffentlicht Qwythos-27B-v1, ein vollständiges Open-Weight-Reasoning-Modell auf Basis von Qwen3.5-27B. Der Checkpoint behält Multi-Token-Prediction (MTP), Vision-Fähigkeiten und ein auf über 1 Million Token erweitertes Kontextfenster bei und wurde gezielt für Terminal- und Agenten-Workflows optimiert.
Link:empero.org
Das unabhängige deutsche Forschungslabor Empero entwickelt offene Sprachmodelle und Entwicklerwerkzeuge für lokale Hardware. Zu den Veröffentlichungen zählen Destillationen von Qwen3.8, die Modellfamilie Qwythos sowie der Terminal-Coding-Agent Abacus.
Link:Unsloth AI
Unsloth AI stellt mit Qwen3.6-27B-MTP-GGUF quantisierte Versionen des ersten Open-Weight-Modells aus der Qwen3.6-Reihe bereit. Das multimodale 27-Milliarden-Parameter-Modell nutzt Multi-Token Prediction (MTP) für schnellere Inferenz und bringt Verbesserungen bei Agentic Coding sowie Tool Calling mit.
Link:Unsloth AI
Unsloth AI hat quantisierte GGUF-Versionen des neuen Modells Qwen3.8-27B unter der Apache-2.0-Lizenz bereitgestellt. Die Quantisierungen nutzen das neue Verfahren Dynamic V3.0, das gegenüber anderen Anbietern eine höhere Genauigkeit bei gleicher Dateigröße erzielen soll. Qwen3.8-27B ist ein 27 Milliarden Parameter starkes Vision-Language-Modell mit nativer Bild- und Videoverarbeitung, hybridem DeltaNet- und Attention-Aufbau sowie flexibler Steuerung von Denkprozessen.
Link:Qwen
Das Qwen-Team hat mit Qwen3.8-27B ein kompaktes, dichtes Vision-Language-Modell unter der Apache-2.0-Lizenz veröffentlicht. Das 27-Milliarden-Parameter-Modell kombiniert Gated DeltaNet mit regulärer Attention, versteht Bilder sowie Videos und bietet flexible Steuerungsmöglichkeiten für Denkprozesse.
Link:PocketAiHub
PocketAiHub hat eine inoffizielle Reihe von MLX-Konvertierungen des multimodalen Modells Qwen3.8-27B veröffentlicht. Durch 'Abliteration' wurde das antrainierte Verweigerungsverhalten (Refusals) modifiziert. Das Repository bietet Quantisierungen von 2-Bit AWQ bis BF16 speziell für Apple Silicon.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
