/ Модель

Характеристики

Контекст
262 144 токена
Параметры
5,1 млрд
Размер весов
80,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen4_exp_text · MoE
Базовая модель
qwen-3.8-next-40b-exp-clean-bf16
Библиотека
transformers
Опубликована
4 сен 2026

qwen-3.8-next-40b-exp-clean-healed-bf16

Генерация текстаТекст → текст3 профессии

Промежуточный текстовый чекпойнт Qwen4-exp для экспериментов с восстановлением маршрутизации MoE и генерацией текста.

400скачиваний за 30 дней0лайковвеса обновлены6 сен 2026

Бенчмарки

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

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

Экспериментальный текстовый чекпойнт Davd-b01, полученный дообучением базовой модели osk-arr00/qwen-3.8-next-40b-exp-clean-bf16. Это промежуточный результат исследований обрезки экспертов MoE и восстановления маршрутизации после pruning; модель не является завершённым релизом. В карточке указаны архитектура MoE семейства qwen4_exp_text, 48 гибридных блоков MoE, скрытый размер 2560 и контекст до 262144 токенов. Чекпойнт содержит только текстовую модель без визуального энкодера; общий объём весов — 5,1 млрд параметров, формат файлов — safetensors, точность весов — BF16.

Модель предназначена для генерации текста и диалоговых экспериментов, включая воспроизводимость исследований router-healing, PLE-calibration и дистилляции. Автор сообщает о качественных пробах для структурированного Python-кода и испанского процессуального права, но это проверки на небольшом числе запросов, а не стандартные бенчмарки. Для запуска требуется стек инференса с явной поддержкой нестандартной архитектуры qwen4_exp; стандартные загрузчики плотных Transformer-моделей не подойдут. Модель не валидирована для пользовательского развёртывания и не имеет гарантий безопасности, качества или стабильности. Лицензия — Apache-2.0.

Сценарии применения

  • воспроизведение экспериментов по восстановлению маршрутизации MoE
  • генерация текста в исследовательских экспериментах
  • проверка генерации структурированного Python-кода
  • качественные пробы генерации испанских юридических текстов

Ограничения

Это промежуточный экспериментальный чекпойнт без стандартных бенчмарков, гарантий безопасности и подтверждённого качества; поведение может меняться между версиями. Для инференса нужен стек с поддержкой qwen4_exp, поскольку стандартные загрузчики плотных Transformer-моделей не подходят.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

⚠️ EXPERIMENTAL WEIGHTS — NOT A FINAL RELEASE ⚠️

[!WARNING]

THESE ARE EXPERIMENTAL RESEARCH WEIGHTS. THIS IS NOT A FINISHED OR PRODUCTION MODEL.

Every qwen-3.8-next-40b-exp-* repository is an intermediate checkpoint of an ongoing weight-surgery research line — not a release, not a final version, not a validated product.

  • Not validated for end-user deployment, standalone inference, or any downstream product.
  • No safety, alignment, or quality guarantees. Behaviour can change or regress between checkpoints.
  • Non-standard architecture (qwen4_exp): requires an inference stack that explicitly supports it.
  • Published only for reproducibility of MoE pruning, router-healing, PLE-calibration and distillation experiments.

If you are looking for a model to actually use, use the upstream Qwen release instead.

Qwen-3.8-Next-40B-Exp — Clean Healed (BF16)

Post-surgery healed version of Qwen3.8-Flash-Next-Uncensored after pruning 75% of the experts (128 surviving experts per layer, top-10 active).

1. Surgical protocol

  1. Analytic PLE pre-attenuation (layer 1): factor $\kappa = 0.6955$ applied to norm_query and norm_key to restore the in-vivo ratio $\rho \approx 0.250$.
  2. Decoupled router-healing SFT:
    • 48 MoE gates retrained with $\mathcal{L}_{\text{ST-MoE}} (\alpha=0.01) + \mathcal{L}_z (\beta=10^{-4})$.
    • 60 steps of continuous convergence (loss 0.0145; layer-23 Gini 0.276).
    • No memory leakage and no damage to the 99.96% of the network left frozen.

2. Post-healing evaluation

Qualitative probes in direct mode (enable_thinking=False):

ProbeResult
Stop-token behaviourEmits <|im_end|> within 4 tokens (Confirmado.<|im_end|>)
Structured Python93% Distinct-4, clean syntax, docstrings, $O(N)$ complexity notes
Spanish procedural law97.8% Distinct-4, native lexicon, doctrinally accurate
Negative constraints100% compliance

[!NOTE] These are internal qualitative probes on a handful of prompts, not benchmark scores. No standard benchmark has been run on this checkpoint.

Architecture (qwen4_exp)

PropertyValue
Total layers48 hybrid MoE blocks
Hidden size2,560
AttentionGated DeltaNet linear attention, 3 linear blocks per 1 full-attention block (full_attention_interval: 4)
Hyper-Connections4 residual streams, rank-320 projections
Routed experts128 per layer, top-10 active (num_experts_per_tok: 10)
Shared expert1 dense expert (intermediate size 640)
PLE memoryAssociative n-gram table, 2,000,000 base entries (ngram_size: 3)
Vocabulary248,320
Native context262,144 tokens
PrecisionBFloat16
  • Checkpoint class: text-only (Qwen4ExpForCausalLM); the vision tower is not included
  • Weights: 17 BF16 shards, 1,294 tensors, 80.44 GB

3. Requirements

Non-standard architecture. It needs an inference stack with explicit qwen4_exp support (Gated DeltaNet linear attention + 4-stream Hyper-Connections + PLE associative memory). Standard dense-Transformer loaders will not work.

Repository contents

FileNotes
model-*-of-00017.safetensors17 BF16 shards
model.safetensors.index.jsonWeight map
DISECCION_MATEMATICA_POST_HEALING.jsonPost-healing routing/statistics dissection
config.json, generation_config.json, chat_template.jinja, tokenizer.jsonConfiguration and tokenizer

Experiment line

RepositoryRole
qwen-3.8-next-40b-exp-clean-bf16Clean baseline
qwen-3.8-next-40b-exp-clean-healed-bf16Router-healed, text-only
qwen-3.8-next-40b-exp-moe-pruned-bf16512→128 expert pruning
qwen-3.8-next-40b-exp-moe-healed-bf16Pruned + router-healed + PLE 2.0M
qwen-3.8-next-40b-exp-ple-2m-tableRouting tables and calibration artifacts
qwen-3.8-next-40b-exp-cartridge-generalDelta cartridge testbed
qwen-3.8-next-40b-exp-profiling-metricsProfiling metrics

License

Apache 2.0, inherited from the upstream Qwen base model.

Как запустить

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

GPU в ailist

vLLM

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen4ExpForCausalLM
Ревизия весов
70f4841

0 моделей