近30天源站下载量
224.9万
参数
27B
上下文
未说明
架构 / 任务
image-text-to-text
许可证
apache-2.0
MODEL POSITIONING
这个模型解决什么问题？
模型能力方面，模型卡内容仅有 TODO 占位说明，唯一可依据的官方信息是 pipeline_tag 为 image-text-to-text，因此可确认其为图文多模态模型，更具体的支持模态、图像分辨率上限、中文与英文能力等细节均模型卡未说明。量化仓库方面，本仓库由 ggml-org 维护，仅做 GGUF 格式转换与多精度分发，本身不重新训练，提供 Q4_K_M、Q8_0、BF16 三档文件，硬件门槛依次升高。运行工具方面，资料确认支持 Ollama、llama.cpp 和 LM Studio 三种本地推理方式，其他推理后端与硬件加速方案模型卡未说明。
更适合谁
- 显存 16GB 以上或内存充足的本地大模型尝鲜者
- 想离线测试 Qwen3.8-27B 多模态能力的研究人员
- 需要 Apache 2.0 商用许可的中小团队与个人开发者
典型使用场景
- 本地图文对话与图像理解问答
- 在隔离或离线环境下测试 27B 级多模态模型
- 对比不同量化精度对显存占用与质量的取舍
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
图文多模态
pipeline_tag 为 image-text-to-text，可同时接收图像与文本输入
多档量化
提供 Q4_K_M、Q8_0、BF16 三种精度，覆盖低显存到高精度需求
宽松许可
采用 Apache 2.0 协议，允许商用与再分发
多后端支持
同时适配 Ollama、llama.cpp 与 LM Studio 三种主流本地推理工具
按当前权重估算的硬件准备
- 现有 GGUF 文件中，最低显存估算约 1.5 GB
- 为上下文缓存、系统进程和并发请求预留额外内存，不要只按模型文件大小配置设备。
量化版本怎么选
- 显存紧张优先选 Q4_K_M，文件约 13.5GB，是入门门槛最低的版本
- 显存 17GB 左右可选 BF16，文件约 16.875GB，保留较高精度
- 显存 27GB 以上可选 Q8_0，文件约 27GB，作为高保真参考
- 仓库未提供 Q2、Q3 等更激进的低精度版本可选
GGUF VARIANTS
量化版本与硬件要求
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 1.5GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 2.5GB。
阅读 4GB 显存选型指南 →可以怎样运行
- 使用 Ollama 拉取并运行 GGUF 权重
- 使用 llama.cpp 直接加载 GGUF 文件进行推理
- 使用 LM Studio 在桌面端加载并对话
采用前要知道的限制
- 模型卡仅含 TODO 占位，能力细节与适用边界模型卡未说明
- 仓库不包含 Q2、Q3 等更低精度 GGUF，极低显存设备难以运行
- BF16 与 Q8_0 文件对显存要求较高，普通消费级显卡可能无法加载
- 仅列出三种推理后端，其他加速方案与吞吐表现模型卡未说明