Instructions to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M
# Run inference directly in the terminal:
llama cli -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M
# Run inference directly in the terminal:
llama cli -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M
# Run inference directly in the terminal:
./llama-cli -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M
# Run inference directly in the terminal:
./build/bin/llama-cli -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Use Docker

docker model run hf.co/julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

LM Studio
Jan

vLLM

How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Ollama
How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with Ollama:
```
ollama run hf.co/julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M
```
Unsloth Desktop

How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with Docker Model Runner:
```
docker model run hf.co/julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M
```

Lemonade

How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Run and chat with the model

lemonade run user.Qwen-3.8-27B-ROCmFP4-FAST-GGUF-Q3_K_M

List all available models

lemonade list

Hermes Agent

How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "julianmb/Qwen-3.8-27B-ROCmFP4-FAST-GGUF:Q3_K_M" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

Qwen3.8-27B ROCmFP4 在 Strix Halo 上的配置优化与工具调用兼容性反馈

by chandlerma - opened 12 days ago

Discussion

chandlerma

12 days ago

Qwen3.8-27B ROCmFP4 在 Strix Halo 上的配置优化与工具调用兼容性反馈
提交对象：julianmb（模型卡作者）
提交人：doorwayer / chandlerma
日期：2026-09-28
硬件：AMD Ryzen AI Max+ 395 / Radeon 8060S / gfx1151 / 128GB UMA
系统：Fedora 43，Mesa 25.3.6（RADV GFX1151），Vulkan 1.4.328
引擎：ROCmFPX fork c49ebdb，Vulkan0 后端

背景
基于你的 Qwen-3.8-27B-ROCmFP4-FAST-GGUF 模型卡，我们在 Strix Halo 上进行了独立复现测试，并针对实际使用场景（Kilo Code 本地 vibe coding）做了定制调整。以下是完整的测试数据与配置建议。
基础配置复现
2.1 文件校验
文件 SHA256 来源
Qwen3.8-27B-ROCmFP4-FAST.gguf fb89c78d...da9 ✅ julianmb
mmproj-Qwen3.8-27B-BF16.gguf de2a4986...fe8 ✅ kingjones777
2.2 复现的基准配置
yaml
-c 262144 --parallel 1 -np 1
-ngl 999 -fa on --no-mmap -t 8
-b 8192 -ub 2048
--reasoning off
--spec-type draft-mtp --spec-draft-n-max 6 --spec-draft-p-min 0.60
-ctk q8_0 -ctv q8_0
-dev Vulkan0
env: HSA_OVERRIDE_GFX_VERSION=11.5.1 GGML_HIP_ENABLE_UNIFIED_MEMORY=1 GGML_VK_FORCE_MMVQ=1
实测数据
3.1 与官方基准对比
配置官方标称我们的实测差异
n6/p0.60（短代码 512 token） 30.56–34.82 t/s 40.21 t/s +15–31%
n6/p0.60（长代码 1500 token）同上 42.67 t/s +22–40%
接受率未标 75.0–81.0% —
3.2 n-max 深度扫描
n-max p-min Decode tps 接受率
3 0.60 36.95 90.1%
4 0.60 37.75 84.8%
6 0.60 38.20–42.67 72.9–81.0%
7 0.35 33.79 53.7%
结论：你的 n6/p0.60 是最优档位。n7/p0.35 在我们的环境上表现最差（接受率暴跌到 53.7%），与你的标称 36.04 t/s 不符。

3.3 KV 量化对比
KV 配置 Decode tps 接受率
-ctk q8_0 -ctv turbo4（你的推荐） 38.20 73.3%
-ctk q8_0 -ctv q8_0（我们改用） 38.20 72.9%
结论：短上下文下速度字节级相同。我们改用对称 q8_0/q8_0 以提升长上下文质量，代价是 KV 内存占用略增（262K 下约 28 GiB vs 20 GiB）。

两项定制调整
4.1 GGML_VK_FORCE_MMVQ=1
这是速度超过官方标称的主要原因。

我们额外设置了 GGML_VK_FORCE_MMVQ=1 环境变量，强制 Vulkan 后端在所有 batch size 下统一使用 MMVQ 量化路径。这消除了 batch-shape 切换带来的 logits 抖动，可能同时改善了 MTP 草稿的接受率。

实测增益：+15–40%（对比官方标称）。

建议：考虑在模型卡中补充这个环境变量的说明，它对 AMD RDNA 3.5 平台的 MTP 路径有可测量的正面影响。

4.2 --chat-template-kwargs '{"tool_call_format": "json"}'
这是为了解决 Kilo Code 兼容性问题。

Kilo Code 7.7.6 强制要求 OpenAI 风格的 JSON 工具调用，而 Qwen 系模型的聊天模板默认输出 XML 标签（<function=...>）。格式不匹配时，Kilo 会出现：

agent_manager 工具报 invalid arguments

连续 3 次失败后中止任务

翻译类请求被误判为 agent 任务，触发多余的文件读取和 git 命令

加入 tool_call_format: json 后，模型输出 JSON 格式的工具调用，Kilo 能正确解析。

性能影响：几乎为零（Qwen3.8-27B 波动在 37.6–42.7 t/s 区间）。

建议：如果模型卡面向本地 agent 工具用户（Kilo Code、Continue.dev 等），建议在模型卡中补充这个参数的说明。

已知限制与建议
限制状态建议
GDN 状态跨请求泄漏（#29092）上游未修复单轮独立请求字节级非确定；多轮对话不受影响
单轮复杂 prompt 非确定性 2–4 种等价变体语义等价，不影响正确性
Kilo 300 秒硬超时硬编码，不可配置翻译类请求用 Ask 模式或 curl
Kilo 工具调用格式冲突 XML vs JSON 加 tool_call_format: json 已缓解

Upload images, audio, and videos by dragging in the text input, pasting, or clicking here.

Tap or paste here to upload images

· Sign up or log in to comment