Qwen 3.8 27B a été publié le 14 août 2026, et les GGUF Shape Learn-Lite ont été publiés quatre jours plus tard. Ces versions Lite ont utilisé des budgets d'optimisation plus petits et moins de vérifications. Maintenant, les modèles Shape Learn complets sont terminés et évalués alongside l'ensemble Lite.

Les modèles Shape Learn complets fonctionnent nettement mieux. GPU-5 atteint 99,63 % du score de benchmark de BF16, tandis que GPU-4 atteint 98,72 % avec 11,0 Go contre 13,1 Go. Les cinq modèles se situent sur la frontière qualité-vitesse dans six comparaisons GPU.

Le décodage spéculatif avec MTP ou DFlash2 augmente le débit sur tous les modèles. DFlash2 est plus rapide mais nécessite plus de mémoire et manque de support pour les entrées images. MTP fonctionne avec les images et est meilleur pour les scénarios limités en VRAM.

Entités clés : Entreprises : llama.cpp, Unsloth, ISTA-DASLab

FAQ : Comment les modèles Shape Learn Lite se comparent-ils aux versions complètes ?

Shape Learn Lite a performé mieux que prévu, avec trois modèles sur six sur la frontière. Les modèles Shape Learn complets étendent la frontière qualité-vitesse plus loin, avec GPU-5 atteignant 99,63 % des scores BF16 sur tous les benchmarks.

FAQ Q : Comment les modèles Shape Learn Lite se comparent-ils aux versions complètes ?

FAQ A : Shape Learn Lite a performé mieux que prévu, avec trois modèles sur six sur la frontière. Les modèles Shape Learn complets étendent la frontière qualité-vitesse plus loin, avec GPU-5 atteignant 99,63 % des scores BF16 sur tous les benchmarks.