Instructions to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0
# Run inference directly in the terminal:
llama cli -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0
# Run inference directly in the terminal:
llama cli -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0
# Run inference directly in the terminal:
./llama-cli -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0
# Run inference directly in the terminal:
./build/bin/llama-cli -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Use Docker

docker model run hf.co/Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

LM Studio
Jan

vLLM

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Davidmg0815/Qwen3.8-27B-MTP-GGUF"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Davidmg0815/Qwen3.8-27B-MTP-GGUF",
		"messages": [
			{
				"role": "user",
				"content": [
					{
						"type": "text",
						"text": "Describe this image in one sentence."
					},
					{
						"type": "image_url",
						"image_url": {
							"url": "https://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.jpg"
						}
					}
				]
			}
		]
	}'

Use Docker

docker model run hf.co/Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Ollama
How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with Ollama:
```
ollama run hf.co/Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0
```

Unsloth Studio

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Davidmg0815/Qwen3.8-27B-MTP-GGUF to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for Davidmg0815/Qwen3.8-27B-MTP-GGUF to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for Davidmg0815/Qwen3.8-27B-MTP-GGUF to start chatting

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with Docker Model Runner:
```
docker model run hf.co/Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0
```

Lemonade

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Run and chat with the model

lemonade run user.Qwen3.8-27B-MTP-GGUF-Q8_0

List all available models

lemonade list

Hermes Agent

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use Davidmg0815/Qwen3.8-27B-MTP-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "Davidmg0815/Qwen3.8-27B-MTP-GGUF:Q8_0" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

Davidmg0815 commited on 10 days ago

Commit

7fd1d8c

verified ·

1 Parent(s): 668cfda

Upload README.md with huggingface_hub

Browse files

Files changed (1) hide show

README.md +49 -0

README.md CHANGED Viewed

@@ -262,6 +262,55 @@ unverändert weiter) erbt `supports_mtp_export = True` über
 Quelle: `Qwen/Qwen3.8-27B` in **BF16** (51,3 GB, 16,00 BPW), nicht das
 FP8-Release — also **keine** doppelte Quantisierung.
 ## Kontextlänge und KV-Cache — ab 48 GB hört die Abwägung auf
 Auf kleineren Karten zwingt der KV-Cache zu einer Entscheidung: weniger Bits

 Quelle: `Qwen/Qwen3.8-27B` in **BF16** (51,3 GB, 16,00 BPW), nicht das
 FP8-Release — also **keine** doppelte Quantisierung.
+## MATH-500 — derselbe Befund, anderes Fach
+HumanEval+ trennte die Varianten nicht. Mathematik ist der härtere Test, weil
+die Aufgaben nach Schwierigkeit gestuft sind und ein einzelner Rechenfehler die
+Antwort kippt. Gemessen wurden 150 Aufgaben je Variante, gleichmäßig über den
+Datensatz gegriffen (MATH-500 ist nach Thema sortiert, die ersten 150 wären fast
+nur Precalculus).
+![MATH-500 je Variante](bench/mathe-hell.png)
+| Variante | streng gewertet | nur abgeschlossene Antworten | abgeschnitten | Token/s |
+|---|---|---|---|---|
+| Qwen3.8-27B BF16 | 77,3 % | 97,5 % | 31 von 150 | 10,8 |
+| Qwen3.8-27B Q6_K | 76,7 % | 97,5 % | 32 von 150 | 22,4 |
+| Qwen3.6-27B Q6_K | 76,0 % | 97,4 % | 33 von 150 | 22,0 |
+| Qwen3.8-27B Q8_0 | 76,0 % | 98,3 % | 34 von 150 | 18,6 |
+**Die Spanne beträgt 1,3 Prozentpunkte — zwei Aufgaben von 150.** Bei einem
+Konfidenzintervall von ±6,7 Punkten ist zwischen den Varianten kein Unterschied
+nachweisbar. Dasselbe Bild wie bei Code, jetzt in einem zweiten Fach bestätigt:
+**auch die unquantisierte BF16 mit 51 GB liegt gleichauf mit einem 21-GB-Q6_K,
+läuft dabei aber halb so schnell.**
+> **Warum zwei Spalten?** Rund ein Fünftel der Antworten lief in das
+> Token-Budget von 1.600 und enthielt deshalb kein Ergebnis. Streng gewertet
+> zählen sie als falsch; die zweite Spalte lässt sie weg. Beide Zahlen sind
+> verzerrt — die erste nach unten, die zweite nach oben, weil überwiegend die
+> schweren Aufgaben abbrachen. Die belastbare Zahl liegt dazwischen und wird
+> nachgemessen. **Der vollständige Messvorgang samt aller gefundenen Fehler ist
+> in [METHODIK.md](METHODIK.md) protokolliert** — inklusive der Korrektur, die
+> allein durch einen zu strengen Antwortvergleich vier bis fünf Prozentpunkte
+> gekostet hatte.
+### Was der Benchmark sehr wohl zeigt
+![MATH-500 nach Schwierigkeitsstufe](bench/mathe-stufen-hell.png)
+Über die Schwierigkeitsstufen trennt MATH-500 sauber: von knapp 90 Prozent auf
+Stufe 1 bis gut die Hälfte auf Stufe 5 (Wettbewerbsniveau). Der Test
+funktioniert also — er findet zwischen *diesen* Varianten nur nichts, weil dort
+nichts zu finden ist.
+> **Diese Werte sind zu niedrig und nicht mit publizierten MATH-500-Zahlen
+> vergleichbar.** Rund ein Viertel der Antworten lief ins Token-Limit von 1.600
+> und zählt als falsch, weil das abschließende `\boxed{}` nie kam. Gemessen
+> wurde damit teilweise, ob der Rechenweg ins Budget passt — nicht, ob das
+> Modell rechnen kann. Für den Vergleich *untereinander* ist das
+> unproblematisch, weil alle Varianten dasselbe Limit bekommen.
 ## Kontextlänge und KV-Cache — ab 48 GB hört die Abwägung auf
 Auf kleineren Karten zwingt der KV-Cache zu einer Entscheidung: weniger Bits