/ Модель

Характеристики

Контекст
262 144 токена
Параметры
5,1 млрд
Размер весов
258 ГБ
Архитектура
qwen4_exp_text · MoE
Базовая модель
Qwen3.8-Flash-Next
Библиотека
transformers
Опубликована
29 авг 2026

Qwen3.8-Flash-Next-REAM-60Pct

Генерация текстаТекст → текст6 профессий

Экспериментальная сжатая MoE-версия Qwen3.8-Flash-Next для генерации текста и диалогов с длинным контекстом.

309скачиваний за 30 дней7лайковвеса обновлены29 авг 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

Akicou подготовил экспериментальную сжатую версию Qwen/Qwen3.8-Flash-Next для генерации текста и диалогов. В модели используется архитектура MoE; по метаданным, она содержит 5,1 млрд параметров и поддерживает контекст до 262 144 токенов. Модель принимает текст и выдаёт текст; в карточке указана поддержка английского языка.

Сжатие выполнено методом Router Expert Activation Merging: маршрутизируемые эксперты сгруппированы по сходству и объединены с взвешиванием по значимости. Число таких экспертов сокращено с 512 до 308 на слой, а общий состав модели и маршрутизатор скорректированы соответственно. Авторы называют выпуск экспериментальным и не приводят результатов бенчмарков. Для загрузки требуется trust_remote_code=True, как и для базовой модели. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание и продолжение текстов
  • обработка длинных текстовых запросов

Ограничения

Выпуск обозначен как экспериментальный и не имеет опубликованных результатов бенчмарков. Для загрузки требуется trust_remote_code=True.

Для каких профессий подходит6

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

Qwen3.8-Flash-Next-REAM-60Pct

REAM-compressed version of Qwen/Qwen3.8-Flash-Next, produced with Akicou/ream, a REAM/REAP-style MoE compression framework.

Method

Router Expert Activation Merging (REAM). The model is calibrated on the built-in hardcoded prompt set, then experts are grouped by gated similarity (half hidden-state, half router distribution) and merged with saliency-weighted averaging. 40% of the routed experts are removed, so each layer goes from 512 experts down to 308. The router is shrunk to match, keeping only the centroid rows.

Shared experts, attention, n-gram embeddings, and dense layers are left untouched. Only routed experts are merged.

How it was created

python examples/compress_sequential.py \
    --model Qwen/Qwen3.8-Flash-Next \
    --output ./qwen4-ream-60 \
    --target-ratio 0.60 \
    --samples 100 \
    --max-seq-len 512 \
    --batch-size 4 \
    --max-tokens 2048 \
    --cpu-merge \
    --fast-merge \
    --seed 42

Hardware: 6× NVIDIA H100 SXM 80GB

Note

This is an experimental release. It has not been benchmarked. The model uses trust_remote_code=True, same as the base model.

Basic usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Akicou/Qwen3.8-Flash-Next-REAM-60Pct"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

prompt = "Explain the concept of reinforcement learning."
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    output = model.generate(**inputs, max_new_tokens=128, do_sample=False)

print(tokenizer.decode(output[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen4ExpForCausalLM
Ревизия весов
7c9b3f5

0 моделей