kataguru/Qwen3.8-27B-Titan-v3.2-GGUF overview

---

language:

• fi
• en
• et
• hu
• tr

license: apache-2.0

base_model:

• kataguru/Qwen3.8-27B-Titan-v3.0-Uncensored-BF16

tags:

• finnish
• suomi
• uncensored
• multimodal
• vision
• gguf
• llama.cpp
• lm-studio
• ollama
• iq3_xxs
• iq4_xs
• iq4_nl
• imatrix
• agentic
• reasoning
• zero-refusal
• kataguru
• titan
• flagship

pipeline_tag: text-generation

---

<div align="center">

<img src="titan3.png" width="450" alt="Kataguru Titan v3.2 Flagship GGUF" style="border-radius: 12px; margin-bottom: 20px;" />

# Kataguru Titan v3.2 GGUF (IQ3_XXS, IQ4_XS & IQ4_NL)

### Virallinen Työpöytä- ja Reunalaitelippulaiva – 63.13 % GPQA Diamond, 85.61 % IFEval, 93.86 % GSM8K

</div>

---

1. Mitä Kataguru muutti? (Yhteenveto)

Katagurun virallinen tuotantotason GGUF-julkaisu laivastolippulaivasta Kataguru Titan-v3.2 (Checkpoint-125). Soveltuu paikalliseen ja tehokkaaseen ajoon (LM Studio, llama.cpp, Ollama).

| Kenttä | Kuvaus / Arvo |

| :--- | :--- |

| Lähtöpohja (Foundation Base) | kataguru/Qwen3.8-27B-Titan-v3.0-CP4000-BF16 + Checkpoint-125 (jatkokoulutus) |

| Katagurun jatkokoulutus | Autonominen agenttisuus, MiniCPM-5 / Qwen3 XML -työkalukutsut, syvä ihmisymmärrys ja somatiikka (32 282 auditoitua näytettä) |

| Kvantisointistandardi | Virallinen imatrix-optimoitu sarja: IQ3_XXS, IQ4_XS ja IQ4_NL |

| Visio / Multimodaalisuus | mmproj-Qwen3.8-27B-Titan-v3.2-f16.gguf (889 Mt) tukee täyttä kuva-analyysiä |

| Kontekstin pituus | Natiivi 262 144 tokenia (262k) |

| Episteeminen rehellisyys | SOMA/ARA -aktivointiortogonalisoitu, nolla teeskentelyä (0.00 % kieltäytymisiä oikeille tehtäville) |

| Suositeltu ajotapa | LM Studio 0.3+, llama.cpp b11064+, Ollama |

---

2. Viralliset GGUF-Kvantit & Laitteistosuositukset

Tästä mallista julkaistaan kuratoidut huippukvantit:

| Tiedosto | Kvantti | Koko | VRAM-suositus | Kuvaus & Käyttökohde |

| :--- | :---: | :---: | :---: | :--- |

| Qwen3.8-27B-Titan-v3.2-IQ3_XXS.gguf | IQ3_XXS | ~11.0 Gt | 12 Gt / 16 Gt GPU | Kevyt ja nopea: Mahtuu 12 Gt kortille rajatulla kontekstilla tai 16 Gt kortille laajalla kontekstilla. |

| Qwen3.8-27B-Titan-v3.2-IQ4_XS.gguf | IQ4_XS | ~15.2 Gt | 16 Gt / 24 Gt+ GPU | Standardi i-kvantti: Tasapainoinen laatu ja tehokas suorituskyky 16 Gt kuluttajakortin ylärajaan tai 24 Gt näytönohjaimelle. |

| Qwen3.8-27B-Titan-v3.2-IQ4_NL.gguf | IQ4_NL | ~15.1 Gt | 16 Gt / 24 Gt+ GPU | Huippulaadun epälineaarinen i-kvantti: Non-linear kvantisointitaulukot ja imatrix-optimointi tarjoavat maksimaalisen laadun (lähes häviötön FP16-taso, Q5_K_M-laatuluokkaa). |

| mmproj-Qwen3.8-27B-Titan-v3.2-f16.gguf | F16 | 889 Mt | - | Visioprojektori: Lataa tämä tiedosto LM Studioon / llama-clihin kuva-analyysiä varten. |

---

3. Empiirinen 13 Tehtävän Benchmark-Vertailu

Kaikki mittaustulokset on ajettu standardoidulla lm-evaluation-harness -kehyksellä tuotantoasetuksilla:

| # | Tehtävä (Task ID) | Kognitiivinen Alue | Metriikka | 1. Qwen 3.8 27B Base | 2. Titan v3.0 CP4000 | 3. Titan v3.2 (CP125) | Delta vs CP4000 | Delta vs Base |

| :-: | :--- | :--- | :--- | :---: | :---: | :---: | :---: | :---: |

| 1 | gsm8k | Matemaattinen CoT-päättely | exact_match (strict) | 73.10 % | 94.54 % | 93.86 % | -0.68 % | +20.76 % |

| 2 | gpqa_diamond | Tohtoritason STEM (Fysiikka, Kemia, Bio) | Exact Match (Choice) | 44.60 % | 60.10 % | 63.13 % 🏆 | +3.03 % | +18.53 % |

| 3 | ifeval | Ohjelmallinen ohjeiden noudattaminen | Prompt / Inst Strict | 35.0 % / 45.0 % | 73.94 % / 80.82 % | 80.78 % / 85.61 % 🏆 | +6.84 % / +4.79 % | +45.78 % |

| 4 | boolq | Luonnollisen kielen totuuslogiikka | acc | 89.20 % | 91.41 % | 91.07 % | -0.34 % | +1.87 % |

| 5 | truthfulqa_mc2| Episteeminen totuustodennäköisyys | acc (multi-true) | 51.10 % | 55.03 % | 54.93 % | -0.10 % | +3.83 % |

| 6 | truthfulqa_mc1| Faktatarkkuus | acc (single-true) | 34.60 % | 36.72 % | 36.96 % 🏆 | +0.24 % | +2.36 % |

| 7 | medqa_4options| Kliininen syvälääketiede (USMLE) | acc_norm | 82.64 % | 84.37 % | 83.97 % | -0.40 % | +1.33 % |

| 8 | arc_challenge| Vaativa STEM-kausaalipäättely | acc_norm | 66.50 % | 65.44 % | 65.27 % | -0.17 % | -1.23 % |

| 9 | arc_easy | Luonnontieteiden perussivistys | acc | 85.40 % | 86.20 % | 86.07 % | -0.13 % | +0.67 % |

| 10 | winogrande | Kontekstuaalinen arkitieto & päättely | acc | 77.30 % | 77.35 % | 77.11 % | -0.24 % | -0.19 % |

| 11 | hellaswag | Kielellinen koherenssi & lausejatkuvuus | acc_norm | 83.90 % | 82.98 % | 82.92 % | -0.06 % | -0.98 % |

| 12 | openbookqa | Tieteellisen tiedon soveltaminen | acc_norm | 45.10 % | 46.20 % | 46.60 % 🏆 | +0.40 % | +1.50 % |

| 13 | piqa | Fysikaalisen maailman intuitio | acc_norm | 81.80 % | 82.32 % | 82.21 % | -0.11 % | +0.41 % |

| --- | --- | --- | --- | --- | --- | --- | --- | --- |

| 📊 | KESKIARVO (13 tehtävää, Prompt Strict) | Koko kognitiivinen kapasiteetti | Aritmeettinen KA | 65.40 % | 72.05 % | 72.68 % 🏆 | +0.64 pp | +7.28 pp |

| 📊 | KESKIARVO (13 tehtävää, Inst Strict) | Koko kognitiivinen kapasiteetti | Aritmeettinen KA | 66.17 % | 72.58 % | 73.05 % 🏆 | +0.48 pp | +6.89 pp |

---

4. 🌳 Model Tree & Lineage (Kehityspuu)

Qwen/Qwen2.5-Coder-32B / Qwen3.8-27B Base
 │
 └── DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU
      │
      └── DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored
           │
           ├── kataguru/Qwen3.8-27B-Finnish-Titan-Uncensored (Titan 1.0)
           │
           ├── kataguru/Qwen3.8-27B-Finnish-Titan-v2.0-Uncensored (Titan v2.0)
           │
           ├── kataguru/Qwen3.8-27B-Titan-v3.0-Uncensored (Titan v3.0, Master MLP Transfer)
           │    │
           │    └── Checkpoint-4000 (Titan v3.1, 94.54 % GSM8K, 84.37 % MedQA)
           │         │
           │         └── Checkpoint-125 (Titan-v3.2, Agentic Tools & Human Understanding Continuation)
           │              │
           │              ├── kataguru/Qwen3.8-27B-Titan-v3.2-W4A16-AWQ  [vLLM Lippulaiva]
           │              └── kataguru/Qwen3.8-27B-Titan-v3.2-GGUF        [★ TÄMÄ MALLI - GGUF DUAL-QUANT]
           │
           └── kataguru/Qwen3.8-27B-Titan-v3.0-1M-W4A16-AWQ (1M Context YaRN Variant)

---

5. Käyttöohjeet (LM Studio & llama.cpp)

LM Studio:

1. Hae mallia nimellä kataguru/Qwen3.8-27B-Titan-v3.2-GGUF.
2. Valitse näytönohjaimellesi sopiva kvantti:

- 16 Gt / 24 Gt GPU: Valitse IQ4_NL (korkein laatu) tai IQ4_XS.

- 12 Gt GPU: Valitse IQ3_XXS.

1. Jos haluat käyttää visiota (kuvia), lataa oheen mmproj-Qwen3.8-27B-Titan-v3.2-f16.gguf.

llama.cpp CLI (Esimerkkikomento):

llama-cli     -m Qwen3.8-27B-Titan-v3.2-IQ4_XS.gguf     --mmproj mmproj-Qwen3.8-27B-Titan-v3.2-f16.gguf     -c 16384     -ngl 99     -p "<|im_start|>user\nKuvaile tämä koodi suomeksi.<|im_end|>\n<|im_start|>assistant\n"