WinterMix38 ist das Ergebnis von insgesamt 17 Tagen Einzelprojekt-Arbeit und stellt den bisher aufwendigsten Schritt in der Entwicklung der WinterMix-Quantisierungsmethode dar. Der Ansatz kombiniert eine sensitivitätsgesteuerte Mixed-Precision-Zuweisung mit harten Pins auf routing-kritische Tensoren – konkret werden Gate- und Up-Projektionen der MoE-Experten auf 3 Bit quantisiert, die Down-Projektionen auf 4 Bit, während das Backbone auf 8 Bit verbleibt. Neu auf der 38er-Tier-Stufe ist ein abschließender Annealing-Schritt, der die Reasoning-Chains des Modells anhand seiner eigenen laufenden Token-Stream-Statistiken nachschärft – ein Verfahren, das bei früheren WinterMix-Releases noch nicht eingesetzt wurde. Auf agentic Session-Daten erzielt WinterMix38 die beste Perplexität aller bislang veröffentlichten WinterMix-Varianten (2,7385 gegenüber 2,7627 des Flaggschiffs). Dass ein natives MLX-Format dabei ohne imatrix-Gewichtung und ohne Custom-Kernels auskommt, ist entscheidend: Das Modell lädt als Drop-in in LM Studio oder mlx-vlm, ohne geforkten Runtime oder besondere Flags. Der Autor gibt auf seinem M5 Max ~9× schnelleres Prefill gegenüber llama.cpp an sowie rund 20 % höhere Tokengenerierungsgeschwindigkeit – ein Vorteil, der sich bei langen Sessions mit vielen Turns deutlich akkumuliert. Laut Post ist WinterMix38 das erste MLX-Quant überhaupt, das sein Unsloth-Gegenstück in der Perplexität schlägt.