/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
80,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen4_exp · dense
Базовая модель
qwen-3.8-next-40b-exp-clean-bf16
Библиотека
transformers
Опубликована
3 сен 2026

qwen-3.8-next-40b-exp-moe-pruned-bf16

Изображение и текст → текст3 профессии

Экспериментальная мультимодальная модель Qwen с прореженными MoE-экспертами для диалогов по тексту и изображениям.

723скачиваний за 30 дней1лайквеса 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 мультимодальный чекпойнт семейства Qwen, полученный исследовательской группой Davd-b01 в результате структурного прореживания экспертных блоков MoE базовой модели Qwen3.8-Flash-Next-Uncensored. Веса представлены в BF16; архитектура qwen4_exp использует 48 гибридных блоков MoE, скрытый размер 2560, линейное внимание Gated DeltaNet и 27-слойную башню зрения. Модель принимает текст и изображения и предназначена для диалоговых сценариев с визуальным вводом; в метаданных также указана возможность интерфейса вызова инструментов.

При прореживании число экспертов маршрутизатора сокращено с 512 до 128 на слой. Чекпойнт является промежуточным состоянием до коррекции маршрутизации: наблюдаются дисбаланс нагрузки экспертов, недостаточное использование части экспертов и циклы повторения слов при свободной генерации. Автор не заявляет гарантии качества, безопасности или пригодности к развертыванию; для запуска требуется стек инференса с поддержкой нестандартной архитектуры. Лицензия — Apache-2.0.

Сценарии применения

  • экспериментальная проверка ответов на вопросы по изображениям
  • исследование влияния прореживания экспертов MoE на мультимодальный диалог
  • воспроизведение экспериментов по калибровке и маршрутизации экспертов
  • экспериментальная проверка интерфейса вызова инструментов

Ограничения

Маршрутизация экспертов несбалансирована: около 38% экспертов получают мало трафика или не получают его вовсе; при свободной генерации возможны циклы повторений. Чекпойнт не валидирован для пользовательского развертывания, а нестандартная архитектура требует совместимого стека инференса.

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 — 512→128 MoE Pruning (BF16)

Intermediate weights produced by a 512-to-128 MoE expert pruning surgery applied to Qwen3.8-Flash-Next-Uncensored. This is the raw pruned state — before router healing. Expect routing imbalance, expert starvation and repetition loops in open-ended generation; the repaired checkpoint is qwen-3.8-next-40b-exp-moe-healed-bf16.

Pruning method

  • Pruning ratio: 512 router experts compressed to 128 surviving experts per layer (75% reduction).
  • Selection: multi-stratum Pareto knapsack calibration over 5.7M tokens (CoT, coding, tool-calling and dialogue strata).
  • Denoising: LASER SVD denoising plus cosine affinity matching between merged experts.
  • Frozen: everything outside the expert banks.

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: multimodal (Qwen4ExpForConditionalGeneration, 27-layer vision tower).

Repository contents

FileNotes
model-*-of-00131.safetensors104 BF16 shards, ~86 GB
model.safetensors.index.jsonWeight map (1,658 tensors, 80.83 GB)
mascara_48_capas_optima.jsonPer-layer surviving-expert mask (48 layers)
DONE_CIRUGIA_MOE_COMPLETA.jsonSurgery completion manifest
calib_sota_gated_5m.parquetCalibration corpus used for expert selection
config.json, generation_config.json, chat_template.jinja, tokenizer.jsonConfiguration and tokenizer

[!NOTE] Shard naming: files are named -of-00131, but the checkpoint is complete with 104 shards — exactly what model.safetensors.index.json references. The 00131 suffix is a leftover from the original sharding run; nothing is missing.

Known limitations

  • Routing is unbalanced: ~38% of experts see little or no traffic, and some layers concentrate up to 8.8% of all tokens in a single expert.
  • Open-ended generation can fall into lexical repetition loops.
  • PLE memory injection ratio is roughly double the stable range.

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

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen4ExpForConditionalGeneration
Ревизия весов
065be1e

0 моделей