/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.6-35B-A3B
Опубликована
21 июн 2026

Qwen3.6-35B-A3B-INT4-W4A16

Генерация текстаТекст → текст15 профессий

Avesed/Qwen3.6-35B-A3B-INT4-W4A16 — это квантизированная версия модели Qwen3.6-35B-A3B, разработанной командой Qwen и подготовленной Avesed.

813скачиваний за 30 дней3лайкавеса обновлены23 июн 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

Модель предназначена для генерации текста, решения математических и академических задач, рассуждений и многоязычных сценариев на английском и китайском языках. В README также указано наличие vision tower и MTP head, однако подробности поддерживаемых мультимодальных сценариев не приведены.

Это гибридная Mixture-of-Experts-модель с 256 экспертами, из которых для каждого запроса активируются 8; суммарный размер составляет около 35B параметров, а активная часть — около 3B. Архитектура использует GatedDeltaNet для линейного внимания. Основная особенность версии — weight-only-квантизация AWQ до INT4 в формате W4A16 с group_size 32: квантизированы экспертные FFN, тогда как чувствительные к качеству компоненты, включая self-attention, роутер, shared expert, GatedDeltaNet, эмбеддинги, lm_head, vision tower и MTP head, сохранены в bf16. Заявленные результаты составляют 96,8% на GSM8K и 80,2% на MMLU-Pro.

Модель ориентирована на эффективный инференс через vLLM; для запуска требуется конфигурация с tensor parallelism, а на Ampere доступен режим W4A8 с INT8-активациями через специализированную сборку vllm-ampere-optimized. Ограничениями являются зависимость от совместимого программного стека и аппаратного ускорения, а также возможное снижение качества из-за квантизации; размер контекста в README не указан. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

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

Qwen3.6-35B-A3B-INT4-W4A16

INT4 weight-only (W4A16) quantization of Qwen/Qwen3.6-35B-A3B — a hybrid Mixture-of-Experts model (256 experts, top-8, ~3B active) with GatedDeltaNet linear-attention, a vision tower and an MTP head.

Quantization

  • AWQ activation-aware scale search + symmetric INT4 weights, group_size 32, MSE observer (llm-compressor).
  • Quantized: the MoE expert FFNs only (the bulk of the weights).
  • Kept bf16 (quality-sensitive): self_attn, the router (mlp.gate), shared_expert, GatedDeltaNet (linear_attn), lm_head, embeddings, vision tower, MTP head.
  • Format: compressed-tensors (pack-quantized). Full recipe: recipe.yaml.

Evaluation

Served as W4A16 (vLLM, thinking enabled, temperature 0.6):

BenchmarkScore
GSM8K96.8% (242/250)
MMLU-Pro80.2% (401/500)

Usage (vLLM)

# W4A16 — int4 expert weights, fp16 activations
vllm serve Avesed/Qwen3.6-35B-A3B-INT4-W4A16 \
  --tensor-parallel-size 2 --trust-remote-code --reasoning-parser qwen3

On Ampere the same checkpoint can be served as W4A8 (int4 weights + int8 dynamic activations) with the vllm-ampere-optimized fork, which adds the INT8-activation MoE Marlin path:

vllm serve Avesed/Qwen3.6-35B-A3B-INT4-W4A16 \
  --tensor-parallel-size 2 --marlin-input-dtype int8 --trust-remote-code --reasoning-parser qwen3

Quantized with vllm-ampere-optimized/quantize.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
9d6c65b

0 моделей