tvall43/Qwen3.6-14B-A3B-FableVibes-GGUF
Modelo de geração de texto · 14 B de parâmetros · MoE — 83.8 mil downloads e 152 curtidas no Hugging Face.
O modelo tvall43/Qwen3.6-14B-A3B-FableVibes-GGUF aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de geração de texto.
Ficha técnica
- Tarefa: geração de texto
- Parâmetros: 14 B (arquitetura MoE)
- Formatos: GGUF
- Licença: Apache 2.0
- Downloads: 83.8 mil · Curtidas: 152
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): ~34 GB de VRAM — 1 GPU profissional (48 GB, ex. A6000) ou 2× 24 GB
- Quantizado 8-bit: ~17 GB de VRAM — 1 GPU high-end (24 GB, ex. RTX 3090/4090)
- Quantizado 4-bit: ~8.4 GB de VRAM — 1 GPU de consumo (12 GB, ex. RTX 3060/4070)
Por ser um modelo MoE (mixture-of-experts), todos os pesos precisam caber na memória, mas só uma fração é ativada por token — a inferência roda mais rápido do que o tamanho total sugere.
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/tvall43/Qwen3.6-14B-A3B-FableVibes-GGUF
# ou llama.cpp
llama-cli -hf tvall43/Qwen3.6-14B-A3B-FableVibes-GGUF -p "Explique o que é entropia."Tags
gguf qwen llama.cpp text-generation vision en conversational
