bottlecapai/ThinkingCap-Qwen3.6-27B-GGUF
Modelo de visão e linguagem · 27 B de parâmetros — 302.6 mil downloads e 62 curtidas no Hugging Face.
Hugging Face · Modelos
·bottlecapai
·
·↓ 302587
·♥ 62
O modelo bottlecapai/ThinkingCap-Qwen3.6-27B-GGUF aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de visão e linguagem.
Ficha técnica
- Tarefa: visão e linguagem
- Parâmetros: 27 B
- Biblioteca:
gguf - Formatos: GGUF
- Downloads: 302.6 mil · Curtidas: 62
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~65 GB de VRAM — 1 GPU de data center (80 GB, ex. A100/H100)
- Quantizado 8-bit: ~32 GB de VRAM — 1 GPU profissional (48 GB, ex. A6000) ou 2× 24 GB
- Quantizado 4-bit: ~16 GB de VRAM — 1 GPU high-end (24 GB, ex. RTX 3090/4090)
Como rodar localmente
Os pesos estão em GGUF, prontos para rodar na CPU ou GPU com Ollama, llama.cpp ou LM Studio — sem Python.
# Ollama
ollama run hf.co/bottlecapai/ThinkingCap-Qwen3.6-27B-GGUF
# ou llama.cpp
llama-cli -hf bottlecapai/ThinkingCap-Qwen3.6-27B-GGUF -p "Explique o que é entropia."Tags
gguf qwen3_6 llama.cpp token-efficient efficient-thinking image-text-to-text conversational
// relacionados
Leia também
Editorial
Vidu S1: o vídeo gerado por IA vira conversa em tempo real — numa GPU de consumidor
Blog
LEEVLA: Enxergando o Que Importa na Evolução do Ambiente Latente para Visão-Linguagem-Ação
Blog
A Importância da Escolha do Codificador: Um Estudo entre Tabelas e Imagens
Blog