/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_next · MoE
Базовая модель
Qwen3-Coder-Next
Библиотека
transformers
Опубликована
5 апр 2026

Qwen3-Coder-64B

Генерация текстаТекст → текст7 профессий

Сжатая методом REAP MoE-модель Qwen3-Coder для генерации кода и многошаговой разработки с контекстом до 262 144 токенов.

121скачиваний за 30 дней3лайкавеса обновлены30 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Qwen3-Coder-64B — сжатая методом REAP модель семейства Qwen3-Coder, опубликованная 0xSero на основе Qwen/Qwen3-Coder-Next. Это причинная языковая модель архитектуры MoE с гибридным линейным и полным вниманием; из 512 экспертов в слоях удалено 20%, осталось 410 экспертов на слой, при этом на токен активируются 10. В README указан размер 64,26 млрд параметров, тогда как метаданные каталога сообщают 2,3 млрд; размер следует считать противоречивым. Контекстное окно — до 262 144 токенов.

Модель предназначена для генерации кода и многошаговой разработки, включая сценарии кодирующих агентов. В README сообщается о сокращении размера модели примерно на 14% с небольшим снижением совокупных результатов в тестах: среднее упало с 66,7% до 64,6%, а качество на математических задачах снизилось заметнее. Карточка содержит результаты ограниченного набора тестов, поэтому они не гарантируют качество на конкретных задачах.

Модель принимает текст и генерирует текст. В метаданных указан английский язык; карточка не подтверждает поддержку других языков. Распространяется в формате BF16, а метаданные указывают файлы safetensors и библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • генерация фрагментов кода по текстовому запросу
  • помощь кодирующему агенту в многошаговой разработке
  • решение задач по программированию и рассуждению о коде
  • работа с длинными текстовыми контекстами при разработке

Ограничения

В опубликованных тестах средний результат ниже исходной модели на 2,1 процентного пункта, а средний результат по математике — на 6,8 пункта. Размер модели указан по-разному: 64,26 млрд параметров в README и 2,3 млрд в метаданных каталога.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

[!TIP] Support this work → · X · GitHub · REAP paper · Cerebras REAP

Qwen3-Coder-64B

REAP-pruned Qwen/Qwen3-Coder-Next.

At a glance

Base modelQwen/Qwen3-Coder-Next
FormatBF16
Total params64B
Active / token—
Experts / layer410
Layers48
Hidden size2048
Context262,144
On-disk size129 GB

Which variant should I pick?

VariantFormatLink
Qwen3-Coder-57BBF16link
Qwen3-Coder-64B (this)BF16link

20% expert-pruned version of Qwen/Qwen3-Coder-Next using Cerebras REAP (Router-weighted Expert Activation Pruning).

OriginalThis Model
Total params~80B64.26B
Experts512410
Active params/tok~4.2B~4.2B
Experts/tok1010
FormatBF16BF16
Disk size~149 GB~129 GB

REAP removes 20% of MoE experts (102 of 512) while preserving the model's routing behavior and output quality. The active parameter count per token is unchanged since the router still selects 10 experts per token from the remaining pool. This yields a ~14% reduction in total disk/memory footprint with minimal quality loss.

Method

REAP (ICLR 2026) prunes Mixture-of-Experts models by scoring expert importance using:

  1. Router gate values -- how often and how strongly the router selects each expert
  2. Expert activation norms -- magnitude of each expert's output contribution
  3. Frequency-weighted saliency -- combining routing frequency with activation importance
  4. Router logit renormalization -- maintains output distribution after expert removal
  5. Layerwise application -- independent per-layer pruning decisions for stability

Calibration Dataset

22,000 samples (no-refusal subset: 21,000), packed to 16,384 token sequences:

CategorySamplesSource
Coding (general)4,096theblackcat102/evol-codealpaca-v1
Reasoning (code)~2,680open-r1/Mixture-of-Thoughts[code]
Reasoning (math)~2,778open-r1/Mixture-of-Thoughts[math]
Reasoning (science)~2,776open-r1/Mixture-of-Thoughts[science]
Tool calling4,096Salesforce/xlam-function-calling-60k
Agentic coding4,096SWE-bench/SWE-smith-trajectories
+ extended domains~1,478Scientific, CUDA kernels, browser, advanced math, code correctness

Total tokens observed: ~90.5M across 6,391 packed sequences.

Pruning Configuration

ParameterValue
Compression ratio0.20 (20% expert removal)
Original experts per layer512
Remaining experts per layer410
Pruning methodREAP
Distance measureAngular (cosine)
Router weight renormalizationYes
Seed42
Observation batch size8
Calibration batches128 per category

Benchmark Results

10-task lm-eval suite, 200 samples per task, tensor_parallel_size=4, vLLM eager mode:

TaskMetricOriginalREAP 0.20Delta
ARC-Challengeacc_norm58.5%64.0%+5.5
BoolQacc93.0%91.0%-2.0
CommonsenseQAacc89.0%88.0%-1.0
GSM8Kflexible_extract35.0%28.5%-6.5
HellaSwagacc_norm72.0%66.0%-6.0
MathQAacc_norm60.5%53.5%-7.0
OpenBookQAacc_norm48.5%49.0%+0.5
PIQAacc_norm80.0%80.5%+0.5
TruthfulQA MC2acc60.2%55.2%-5.0
WinoGrandeacc70.0%70.0%+0.0

Aggregate:

  • Overall average: 66.7% -> 64.6% (-2.1 pts)
  • Reasoning average: 71.4% -> 70.5% (-0.9 pts)
  • Math average: 47.8% -> 41.0% (-6.8 pts)

Architecture

Qwen3-Coder-Next uses a hybrid linear/full attention architecture with 48 layers:

  • Full attention every 4th layer (12 layers)
  • Linear attention for remaining layers (36 layers)
  • MoE FFN with 410 remaining experts per layer, 10 active per token
  • Shared expert (intermediate size 512) in every layer
  • Context window: 262,144 tokens
  • Vocab size: 151,936

Usage

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "0xSero/Qwen3-Coder-64B"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True,
)

messages = [{"role": "user", "content": "Write a quicksort in Python."}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

vLLM

vllm serve 0xSero/Qwen3-Coder-64B \
    --tensor-parallel-size 4 \
    --enforce-eager \
    --gpu-memory-utilization 0.9 \
    --max-model-len 32768

Reproducing

git clone https://github.com/cerebras/reap
cd reap

python -m reap.layerwise_prune \
    --model-name Qwen/Qwen3-Coder-Next \
    --dataset-name combined \
    --compression-ratio 0.20 \
    --prune-method reap \
    --seed 42 \
    --renormalize_router_weights true \
    --batch_size 8 \
    --batches_per_category 128

Links

License & citation

License inherited from the base model.

@misc{lasby2025reap,
  title  = {REAP the Experts: Why Pruning Prevails for One-Shot MoE Compression},
  author = {Mike Lasby and Ivan Lazarevich and Nish Sinnadurai and Sean Lie and Yani Ioannou and Vithursan Thangarasa},
  year   = {2025}, eprint = {2510.13999}, archivePrefix = {arXiv}
}

Sponsors

Made possible by NVIDIA · TNG Technology · Lambda · Prime Intellect · Hot Aisle.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3NextForCausalLM
Ревизия весов
46c090c

0 моделей