Qwen3.8-Flash-Next-MTP-bf16

Qwen/Qwen3.8-Flash-Next の公式 bf16 チェックポイントに内蔵された MTP ヘッド（mtp.* 31 テンソル）を切り出した、 投機デコード用ドラフター。単体では使わない。

• 変換元: Qwen/Qwen3.8-Flash-Next（revision de4b8e4）
• 変換ツール: mlx-vlm main（0.7.0rc0）の Qwen4ExpMTPSplitter
• サイズ: 4.9 GiB（bf16）

必要環境

qwen4_exp_mtp の抽出・実行は mlx-vlm 0.7.0 以降（リリース版 0.6.17 には未収録）。

pip install "mlx-vlm @ git+https://github.com/Blaizzy/mlx-vlm@main"

使い方

python -m mlx_vlm generate --model ToPo-ToPo/Qwen3.8-Flash-Next-mlx-4bit \
    --draft-model ToPo-ToPo/Qwen3.8-Flash-Next-MTP-bf16 \
    --draft-kind mtp --draft-block-size 2 \
    --prompt "..." --max-tokens 512

量子化版リポジトリ（4bit / 8bit）の mtp/ サブフォルダにも同じものが入っているので、本体を落とせばドラフターも付いてくる。

抽出コマンド

from mlx_vlm.speculative.drafters.qwen4_exp_mtp.split import Qwen4ExpMTPSplitter
Qwen4ExpMTPSplitter().split("Qwen/Qwen3.8-Flash-Next", "Qwen3.8-Flash-Next-MTP-bf16")

量子化後のリポジトリからは mtp.* が落ちている（mlx-vlm の sanitize が除外する）ので、 必ず公式 bf16 から切り出すこと。