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 11 days ago

Commit

dc1f32e

verified ·

1 Parent(s): 56026de

Upload README.md with huggingface_hub

Browse files

Files changed (1) hide show

README.md +60 -12

README.md CHANGED Viewed

@@ -116,24 +116,68 @@ Fließtext-Dialog liegt bei **rund 1,7×**.
 Deutlich mehr als etwa der Gemma-4-12B-Draft mit 0,5 GB. Wer knapp an VRAM ist,
 muss das einplanen.
-## HumanEval+ — was das Modell tatsächlich kann
-**88,4 % (145 von 164)** für `qwen3.8-27b-Q8_0.gguf`, ohne Reasoning, in
-25,6 Minuten. Bewertet wird durch Ausführen: jede gelieferte Funktion läuft
-gegen den vollständigen Testblock von EvalPlus, der die HumanEval-Originaltests
-um etwa das Achtzigfache erweitert.
-Zur Einordnung, publizierte Werte anderer Modelle:
 | Modell | HumanEval+ |
 |---|---|
 | Phi-4 Reasoning (Microsoft) | 92,9 % |
 | Llama 3 405B Instruct | 89 % |
 | **Qwen3.8-27B Q8_0 — diese Messung** | **88,4 %** |
 | Granite 3.3 8B Base | 86,1 % |
 | Kimi K2 Base | 80,3 % |
-> **Diese Zahl ist nicht eins zu eins mit den Leaderboards vergleichbar.**
 > Drei Abweichungen vom offiziellen EvalPlus-Verfahren: die Aufgabe wird im
 > **Chat-Format** gestellt (»Vervollständige diese Funktion«) statt als reine
 > Textvervollständigung; **Temperatur 0,2** statt greedy; und der Code wird aus
@@ -141,12 +185,16 @@ Zur Einordnung, publizierte Werte anderer Modelle:
 > oben — Chat-Modelle schneiden im Chat-Format besser ab. Wer vergleichen will,
 > nimmt die Zahl als Hausmessung, nicht als Leaderboard-Eintrag.
-Das Fehlerbild ist gesund: von 19 Fehlschlägen sind **15 AssertionError**, also
-echte Logikfehler. Dazu je ein TypeError, SyntaxError, IndexError und eine
-Zeitüberschreitung. Kein Muster, das auf ein kaputtes Testgerüst hindeutet.
-Die übrigen Varianten (Q6_K, BF16, die Qwen3.6-Reihe) werden gerade gemessen
-und hier nachgetragen.
 ## Durchsatz im Vergleich

 Deutlich mehr als etwa der Gemma-4-12B-Draft mit 0,5 GB. Wer knapp an VRAM ist,
 muss das einplanen.
+## HumanEval+ — sieben Varianten, ein Ergebnis
+Alle 164 Aufgaben, alle sieben Varianten, identische Bedingungen. Bewertet wird
+durch Ausführen: jede gelieferte Funktion läuft gegen den vollständigen
+EvalPlus-Testblock, der die HumanEval-Originaltests um etwa das Achtzigfache
+erweitert.
+![HumanEval+ je Variante](bench/quoten-hell.png)
+| Variante | bestanden | Quote | Token/s | 95-%-Intervall |
+|---|---|---|---|---|
+| Qwen3.6-27B UD-Q6_K_XL | 149/164 | 90,9 % | 25,1 | ±4,4 |
+| Qwen3.6-27B Uncensored Q6_K_P | 148/164 | 90,2 % | 26,9 | ±4,5 |
+| **Qwen3.8-27B Q6_K** | 148/164 | **90,2 %** | **27,9** | ±4,5 |
+| Qwen3.6-27B Q6_K | 146/164 | 89,0 % | 27,6 | ±4,8 |
+| **Qwen3.8-27B Q8_0** | 145/164 | **88,4 %** | 19,5 | ±4,9 |
+| **Qwen3.8-27B BF16** | 145/164 | **88,4 %** | 13,2 | ±4,9 |
+| Qwen3.6-27B Q5_K_M | 145/164 | 88,4 % | 31,3 | ±4,9 |
+### Der eigentliche Befund: die Unterschiede sind keine
+Die gesamte Spanne beträgt **vier Aufgaben von 164**. Bei ±4,4 bis ±4,9 Punkten
+Konfidenzintervall überlappen alle sieben Bereiche vollständig — **statistisch
+ist keine Variante von einer anderen unterscheidbar.**
+Noch deutlicher wird es beim Blick auf einzelne Aufgaben:
+* **135 der 164 Aufgaben lösen alle sieben** Varianten
+* **9 Aufgaben löst keine einzige** (HumanEval/32, 76, 91, 101, 127, 132, 145,
+  154, 163)
+* nur **20 Aufgaben** unterscheiden überhaupt — und dort geht es mal so, mal so
+  aus
+Die scheinbare Rangfolge entsteht ausschließlich aus diesen 20 Wackelkandidaten.
+Wer daraus ein »Modell A ist besser als B« liest, liest Rauschen.
+### Was man trotzdem mitnehmen kann
+**Quantisierung kostet hier nichts.** BF16 (51 GB), Q8_0 (27 GB) und Q5_K_M
+(19 GB) landen alle auf **exakt 145 von 164**. Von 51 auf 19 Gigabyte
+heruntergerechnet — kein messbarer Qualitätsverlust bei Code, aber 13,2 gegen
+31,3 Token/s. Die unquantisierte Variante ist für diesen Zweck reine
+Verschwendung.
+**Qwen3.8 schlägt Qwen3.6 bei Code nicht.** Die neue Generation liegt im selben
+Bereich. Wer wegen Code aufrüstet, tut es umsonst; die Verbesserungen liegen
+woanders (Vision, MTP-Kopf, Kontextlänge).
+![Tempo gegen Qualität](bench/tempo-hell.png)
+### Einordnung gegen publizierte Werte
 | Modell | HumanEval+ |
 |---|---|
 | Phi-4 Reasoning (Microsoft) | 92,9 % |
+| **Qwen3.8-27B Q6_K — diese Messung** | **90,2 %** |
 | Llama 3 405B Instruct | 89 % |
 | **Qwen3.8-27B Q8_0 — diese Messung** | **88,4 %** |
 | Granite 3.3 8B Base | 86,1 % |
 | Kimi K2 Base | 80,3 % |
+> **Diese Zahlen sind nicht eins zu eins mit den Leaderboards vergleichbar.**
 > Drei Abweichungen vom offiziellen EvalPlus-Verfahren: die Aufgabe wird im
 > **Chat-Format** gestellt (»Vervollständige diese Funktion«) statt als reine
 > Textvervollständigung; **Temperatur 0,2** statt greedy; und der Code wird aus
 > oben — Chat-Modelle schneiden im Chat-Format besser ab. Wer vergleichen will,
 > nimmt die Zahl als Hausmessung, nicht als Leaderboard-Eintrag.
+Das Fehlerbild ist gesund: bei Q8_0 sind von 19 Fehlschlägen **15
+AssertionError**, also echte Logikfehler. Dazu je ein TypeError, SyntaxError,
+IndexError und eine Zeitüberschreitung — kein Muster, das auf ein kaputtes
+Testgerüst hindeutet.
+Das komplette Messgerüst liegt unter `bench/` samt beider Selbsttests: einer
+prüft das Aufgaben-Harness gegen bekannt richtige *und* bekannt falsche
+Lösungen, der andere die EvalPlus-Ausführung gegen die mitgelieferten
+Referenzlösungen (25/25 grün). Ohne diese Prüfung misst ein Benchmark unter
+Umständen nur die eigenen Denkfehler.
 ## Durchsatz im Vergleich