/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2,7 млрд
Размер весов
31,9 ГБ
Лицензия
Apache 2.0
Архитектура
deepseek_v3 · dense
Библиотека
transformers
Опубликована
6 июл 2026

Moonlight-16B-A3B-mthreads-FlagOS

Генерация текстаТекст → текст7 профессий

Разговорная модель Moonlight на архитектуре DeepSeek V3 для генерации текста, оптимизированная для инференса на GPU mthreads и запуска через vLLM.

45скачиваний за 30 дней0лайковвеса обновлены14 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

Moonlight-16B-A3B-mthreads-FlagOS — разговорная языковая модель семейства DeepSeek V3, опубликованная FlagRelease. Она предназначена для генерации текста и диалогов с оптимизацией инференса на GPU-платформе mthreads; README также описывает поддержку запуска через vLLM и стек FlagOS. Модель построена на архитектуре Mixture of Experts: в README указано 16 млрд параметров всего и около 3 млрд активных параметров на инференс, тогда как метаданные Hugging Face указывают 2,7 млрд параметров. Метаданные задают контекст 8192 токена и язык zh.

Модель подходит для развертывания чат-сервиса и ответов на пользовательские вопросы. В README приведено сравнение нескольких бенчмарков с вариантом Moonlight-16B-A3B-Nvidia-Origin, но результатов недостаточно, чтобы заключить о качестве на широком наборе задач. Лицензия Apache-2.0. Указанная в карточке архитектура DeepseekV3ForCausalLM помечена метаданными как dense, что расходится с описанием MoE в README.

Сценарии применения

  • ответы на вопросы в диалоге
  • развертывание чат-сервиса на GPU mthreads
  • генерация текстовых ответов в приложениях через vLLM

Ограничения

README приводит лишь результаты нескольких бенчмарков и не описывает ограничения качества или поведения. Для развертывания с заявленной оптимизацией требуется GPU-платформа mthreads; описание MoE в README расходится с пометкой dense в метаданных архитектуры.

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

Introduction

Moonlight-16B-A3B is a high-performance large language model optimized for the mthreads GPU platform. Built on a Mixture of Experts (MoE) architecture, the model features a total of 16 billion parameters with approximately 3 billion active parameters per inference, striking an optimal balance between high performance and efficient inference throughput. Deeply optimized for mthreads GPU hardware, Moonlight-16B-A3B supports the vLLM inference framework, making it well-suited for large-scale deployment scenarios.

Integrated Deployment

  • Out-of-the-box inference scripts with pre-configured hardware and software parameters
  • Released FlagOS-mthreads container image supporting deployment within minutes

Consistency Validation

  • Rigorously evaluated through benchmark testing: Performance and results from the FlagOS software stack are compared against native stacks on multiple public benchmarks.

Evaluation Results

Benchmark Result

MetricsMoonlight-16B-A3B-Nvidia-OriginMoonlight-16B-A3B-mthreads-FlagOS
GPQA_Diamond0.13840.1544
LiveBench New0.04750.0505
musr0.01720.0172
mmlu_pro0.19860.2527
aime0.00000.0000

User Guide

Environment Setup

ItemVersion
Docker VersionDocker version 24.0.9, build 2936816
Operating SystemUbuntu 22.04.4 LTS Kernel: 5.15.0-105-generic Arch: x86_64

Operation Steps

Download FlagOS Image

docker pull harbor.baai.ac.cn/external-cooperation/moonlight-16b-a3b-mthreads-tree_0.5.1_mthreads3.2-gems_5.0.2-vllm_0.13.1.dev44_g3d4cc4bc7.d20260310.musa-plugin_0.1.1-cx_0.8.0-python_3.10.12-torch_2.7.1-pcp_musa4.3.5-mtt_s5000-arc_x86_64-driver_3.3.5:2608141730

Download Open-source Model Weights

pip install modelscope

modelscope download \
  --model FlagRelease/Moonlight-16B-A3B-mthreads-FlagOS \
  --local_dir /data/Moonlight-16B-A3B-mthreads-FlagOS

Start the Container

docker run -itd \
  --name=flagos \
  --privileged \
  --network=host \
  --pid=host \
  --ipc=host \
  --shm-size=80g \
  -v /data/Moonlight-16B-A3B-mthreads-FlagOS:/data/Moonlight-16B-A3B-mthreads-FlagOS \
  -v /dev:/dev \
  -v /usr/lib/x86_64-linux-gnu/libmusa.so.4.3.6:/usr/lib/x86_64-linux-gnu/libmusa.so.1:ro \
  -v /usr/lib/x86_64-linux-gnu/libmusa.so.4.3.6:/usr/lib/x86_64-linux-gnu/libmusa.so.4:ro \
  -v /usr/bin/mthreads-gmi:/usr/bin/mthreads-gmi:ro \
  -e MTHREADS_VISIBLE_DEVICES=all \
  --workdir /workspace \
harbor.baai.ac.cn/external-cooperation/moonlight-16b-a3b-mthreads-tree_0.5.1_mthreads3.2-gems_5.0.2-vllm_0.13.1.dev44_g3d4cc4bc7.d20260310.musa-plugin_0.1.1-cx_0.8.0-python_3.10.12-torch_2.7.1-pcp_musa4.3.5-mtt_s5000-arc_x86_64-driver_3.3.5:2608141730 \
  sleep infinity

Enter the Container

docker exec -it flagos /bin/bash

Start the Server

Inside the container:

export VLLM_FL_FLAGOS_WHITELIST="sin,zero_,cos,lt_scalar,le,lt,embedding,ones"
export MUSA_VISIBLE_DEVICES=0
export VLLM_PLUGINS=fl
export TRITON_ALL_BLOCKS_PARALLEL=1
export USE_FLAGGEMS=1
nohup vllm serve /data/Moonlight-16B-A3B-mthreads-FlagOS \
  --served-model-name moonlight-16b-a3b-flagos \
  --port 8003 \
  --trust-remote-code \
  --max-model-len 8192 \
  --gpu-memory-utilization 0.9 \
  --tensor-parallel-size 1 \
  --enforce-eager \
  > /workspace/flagos_server.log 2>&1 &

Service Invocation

Invocation Script

curl http://localhost:8003/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonlight-16b-a3b-flagos",
    "messages": [{"role": "user", "content": "hello!"}]
  }'

AnythingLLM Integration Guide

1. Download & Install

  • Visit the official site: https://anythingllm.com/
  • Choose the appropriate version for your OS (Windows/macOS/Linux)
  • Follow the installation wizard to complete the setup

2. Configuration

  • Launch AnythingLLM
  • Open settings (bottom left, fourth tab)
  • Configure core LLM parameters:
  • Click "Save Settings" to apply changes

3. Model Interaction

  • After model loading is complete:
  • Click "New Conversation"
  • Enter your question (e.g., "Explain the basics of quantum computing")
  • Click the send button to get a response

Technical Overview

FlagOS is a fully open-source system software stack designed to unify the "model–system–chip" layers and foster an open, collaborative ecosystem. It enables a "develop once, run anywhere" workflow across diverse AI accelerators, unlocking hardware performance, eliminating fragmentation among vendor-specific software stacks, and substantially lowering the cost of porting and maintaining AI workloads.

With core technologies such as FlagScale, together with vllm-plugin-fl, distributed training/inference framework, FlagGems universal operator library, FlagCX communication library, and FlagTree unified compiler, the FlagRelease platform leverages the FlagOS stack to automatically produce and release various combinations of <chip + open-source model>.

This enables efficient and automated model migration across diverse chips, opening a new chapter for large model deployment and application.

FlagGems

FlagGems is a high-performance, generic operator library implemented in Triton language. It is built on a collection of backend-neutral kernels that aims to accelerate LLM training and inference across diverse hardware platforms.

FlagTree

FlagTree is an open-source unified compiler for multiple AI chips. It provides unified compilation capabilities across multiple backends and rapidly implements single-repository multi-backend support.

FlagScale and vllm-plugin-fl

FlagScale is a comprehensive toolkit designed to support the entire lifecycle of large models. It integrates capabilities from Megatron-LM and vLLM to provide an end-to-end solution for training and inference.

vllm-plugin-fl is a vLLM plugin built on the FlagOS unified multi-chip backend.

FlagCX

FlagCX is a scalable and adaptive cross-chip communication library for distributed AI workloads.

FlagEval Evaluation Framework

FlagEval is a comprehensive evaluation system and open platform for large models. It supports large-scale benchmark evaluation across NLP, CV, Audio, and Multimodal tasks.

Contributing

We warmly welcome global developers to join us:

  1. Submit Issues to report problems
  2. Create Pull Requests to contribute code
  3. Improve technical documentation
  4. Expand hardware adaptation support

License

The model weights are derived from moonshotai/Moonlight-16B-A3B and are open-sourced under the Apache License 2.0: https://www.apache.org/licenses/LICENSE-2.0.txt

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
9602cea

0 моделей