AI NEWS.ccAI는 지금, 미래는 업데이트 중
♡ 저장한 도구 0
AI 모델 라이브러리/jica98/qwen3.5-4B-super-coder
모델 정보

qwen3.5-4B-super-coder

jica98 · qwen3.5-4B-super-coder

`qwen3.5-4B-super-coder` is a 4-bit quantized GGUF model optimized for fast, reliable coding, structured tool calling, and active reasoning (thinking mode) on consumer/mobile hardware. It is distilled from Claude Sonnet 4.6 & Opus 4.6, and merged/quantized using Unsloth. - **Base Model**: `Qwen/Qwen3.5-4B` - **Format**: GGUF (Q_4.0 Quantization) - **Size**: ~2.6 GB - **Context Window**: 32K (optimized for mobile RAM budgets, natively supports up to 262K/1M context via YaRN) - **Key Architectural Advantage**: The base `Qwen3.5-4B` model uses a hybrid architecture combining **Gated DeltaNet** (3 layers) and **Full Attention** (1 layer) repeating. Since only 8 of the 32 layers store a full KV cache, the KV cache footprint is incredibly small (~0.4GB for 32K context), making it exceptionally well-suited for high-context coding on mobile devices (e.g., iPhone 15 Pro+, flagship Android, iPad Pro). This model was trained using a staged Supervised Fine-Tuning (SFT) pipeline to systematically inject reasoning capability, coding specialization, and tool-calling precision:

번역 대기 중입니다. 원문을 표시합니다.

텍스트 생성
컨텍스트 창32,768 Token
입력 → 출력텍스트 → 텍스트
모델 웨이트미확인
정보 업데이트2026/11/2 19:16:04
OVERVIEW

모델 소개

`qwen3.5-4B-super-coder` is a 4-bit quantized GGUF model optimized for fast, reliable coding, structured tool calling, and active reasoning (thinking mode) on consumer/mobile hardware. It is distilled from Claude Sonnet 4.6 & Opus 4.6, and merged/quantized using Unsloth. - **Base Model**: `Qwen/Qwen3.5-4B` - **Format**: GGUF (Q_4.0 Quantization) - **Size**: ~2.6 GB - **Context Window**: 32K (optimized for mobile RAM budgets, natively supports up to 262K/1M context via YaRN) - **Key Architectural Advantage**: The base `Qwen3.5-4B` model uses a hybrid architecture combining **Gated DeltaNet** (3 layers) and **Full Attention** (1 layer) repeating. Since only 8 of the 32 layers store a full KV cache, the KV cache footprint is incredibly small (~0.4GB for 32K context), making it exceptionally well-suited for high-context coding on mobile devices (e.g., iPhone 15 Pro+, flagship Android, iPad Pro). This model was trained using a staged Supervised Fine-Tuning (SFT) pipeline to systematically inject reasoning capability, coding specialization, and tool-calling precision:

주요 특징

特点摘要待依据来源补齐，不凭模型名称推断能力。

한계 및 유의 사항

구체적 한계를 판단할 출처가 부족합니다. 실제 성능, 지연, 데이터 정책, 라이선스와 버전 수명을 확인하세요.

PRICING & COST

출처별 요금 및 비용 분석

요금은 채널, 지역, 설정에 따라 다릅니다. 각 채널 요금은 개별 표시되며 제공사의 통일 공식 요금이 아닙니다.

출처 / 채널입력출력과금 단위수집 시간
확인된 요금이 없습니다. 출처를 확인하세요.

월간 기본 토큰 비용 추정

—

추정치에는 캐시 할인, 구간 요금, 멀티모달 추가 요금, 검색, 세금 및 추가 추론 출력이 포함되지 않습니다.

INDEPENDENT BENCHMARKS

공개 평가 및 실행 설정

暂无已采集的可核验公开评分。模型未上榜不代表能力较低。

등록된 전체 순위 보기 →

자주 묻는 질문

오픈 웨이트면 무료 상업 이용이 가능한가요?

반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 조건과 정책을 확인하세요. 자체 배포에는 연산 및 유지 비용도 듭니다.

실시간 결제 요금인가요?

수집 시간이 기록된 요금 스냅샷입니다. 최신 버전, 지역, 할인과 과금 방식은 해당 채널에서 확인하세요.

출처 및 추적 기록

huggingface · jica98/qwen3.5-4B-super-coder ↗2026/10/31 21:24:32
huggingface · enrich:61cf272d-6f63-44b9-91ee-bea4a3fe3173 ↗2026/10/29 18:48:10

许可证：来源未披露，须进一步核验。模型介绍与第三方评测均以原来源的具体版本和方法为准。