Qwen3.8-Flash-Next-mlx-8bit

Qwen3.8-Flash-Next-mlx-8bit

Qwen/Qwen3.8-Flash-Next を MLX 形式へ変換したもの（8bit 量子化）。

• 変換元: Qwen/Qwen3.8-Flash-Next（bf16 公式重み, revision de4b8e4）
• 変換ツール: mlx-vlm 0.6.17 / mlx 0.32.0
• サイズ: 186 GiB（9.018 bits per weight）

変換コマンド

python -m mlx_vlm convert --hf-path Qwen/Qwen3.8-Flash-Next \
    --mlx-path Qwen3.8-Flash-Next-mlx-8bit \
    -q --q-bits 8 --q-group-size 32

--q-group-size 32 は必須。n-gram 埋め込みの最終次元が 160 で、既定の 64 では weight.shape[-1] % group_size != 0 により 128 シャード（51B パラメータ）が 量子化対象から外れ、bf16 のまま残る。

使い方

pip install -U mlx-vlm
python -m mlx_vlm generate --model ToPo-ToPo/Qwen3.8-Flash-Next-mlx-8bit \
    --prompt "この画像を説明してください" --image path/to/image.jpg --max-tokens 512

MTP ドラフター（投機デコード）

ドラフターは別リポジトリ Qwen3.8-Flash-Next-MTP-bf16。 mlx-vlm 0.7.0 以降が必要（qwen4_exp_mtp はリリース版 0.6.17 に未収録）:

pip install "mlx-vlm @ git+https://github.com/Blaizzy/mlx-vlm@main"

python -m mlx_vlm generate --model ToPo-ToPo/Qwen3.8-Flash-Next-mlx-8bit \
    --draft-model ToPo-ToPo/Qwen3.8-Flash-Next-MTP-bf16 \
    --draft-kind mtp --draft-block-size 2 --prompt "..." --max-tokens 512