/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-35B-A3B-NVFP4-Fast
Библиотека
gguf
Опубликована
13 июл 2026

Qwen3.6-35B-A3B-NVFP4-Fast-GGUF

Изображение и текст → текст15 профессий

Мультимодальная MoE-модель Qwen3.6 в GGUF и NVFP4 для диалогов, анализа изображений и видео, а также агентных задач и программирования.

459скачиваний за 30 дней7лайковвеса обновлены13 июл 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

Это GGUF-представление модели Qwen3.6-35B-A3B от команды Qwen компании Alibaba, подготовленное FreedomAISVR и основанное на NVFP4 Fast-квантизации Unsloth. Модель мультимодальная, с архитектурой MoE: 35 млрд параметров всего и около 3 млрд активных на токен; текстовая часть использует 40 слоёв с гибридом Gated DeltaNet и полнослойного внимания, а для изображений и видео предусмотрен визуальный энкодер на базе SigLIP. В репозитории есть файл модели NVFP4 и отдельный vision-проектор F16.

Модель предназначена для диалогов, анализа изображений и видео, работы с инструментами и агентных задач, включая программирование. Заявлены контекст 262 тыс. токенов с возможностью расширения через YaRN и поддержка Multi-Token Prediction для ускорения декодирования. README сообщает о более высокой пропускной способности Fast-варианта по сравнению с другими NVFP4-квантованиями при конкурентных результатах бенчмарков; фактическая скорость зависит от оборудования и среды запуска. Для полной выгрузки на GPU рекомендуется не менее 32 ГБ видеопамяти; оптимальная производительность заявлена на NVIDIA Blackwell B200.

Модель распространяется по лицензии Apache-2.0. Это производная модель в формате GGUF с NVFP4-квантизацией; для обработки изображений нужен отдельный файл vision-проектора. Указаны английский и китайский языки, поэтому качество на других языках не следует считать подтверждённым.

Сценарии применения

  • ответы на вопросы по изображениям
  • анализ содержимого видео
  • диалог с длинным контекстом
  • помощь в написании и разборе кода
  • вызов инструментов в агентных сценариях

Ограничения

Полная выгрузка на GPU требует примерно 32 ГБ видеопамяти; анализ изображений требует отдельного файла vision-проектора. Производительность и качество зависят от оборудования и среды запуска, а поддержка языков помимо английского и китайского не подтверждена.

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-Fast-NVFP4-GGUF

GGUF NVFP4 quantization of unsloth/Qwen3.6-35B-A3B-NVFP4-Fast, a 35B parameter MoE model with 3B active parameters.

What is the "Fast" Variant?

Unsloth's NVFP4 Fast variant is a speed-optimized NVFP4 quantization that delivers 1.79x faster throughput than other NVFP4 quants while maintaining competitive accuracy:

VariantMMLU-ProGPQAAIME 2025
Unsloth NVFP4 Fast85.5887.7591.67
Unsloth NVFP485.8586.7492.29
NVIDIA NVFP485.6087.1291.88
BF1685.7586.3692.50

The Fast variant is calibrated on a mixture of Unsloth's dataset + UltraChat dataset, optimized for throughput on vLLM's native NVFP4 backend (cute-DSL/CUTLASS/flashinfer_trtllm).

About the Model

Qwen3.6-35B-A3B is a multimodal MoE model from Alibaba's Qwen team:

  • 35B total parameters, 3B active per token (256 experts, 8 active)
  • 40-layer decoder with Gated DeltaNet + full attention hybrid
  • 27-layer vision encoder (SigLIP-based) for image/video understanding
  • 262K native context (extensible to 1M+ via YaRN)
  • Multi-Token Prediction (MTP) for faster speculative decoding
  • Agentic coding with SWE-bench Verified 73.4, tool calling support

Files

FileSizeDescription
qwen36-35b-a3b-fast-nvfp4.gguf~18.8 GBNVFP4 quantized text model
mmproj-qwen36-35b-a3b-f16.gguf~0.84 GBVision encoder (F16)

Usage

llama.cpp

llama-server \
  -m qwen36-35b-a3b-fast-nvfp4.gguf \
  --mmproj mmproj-qwen36-35b-a3b-f16.gguf \
  -ngl 99 \
  --host 0.0.0.0 \
  --port 8080

vLLM (Recommended for Max Performance)

pip install vllm flashinfer-python nvidia-cutlass-dsl
vllm serve FreedomAISVR/Qwen3.6-35B-A3B-NVFP4-Fast-GGUF --dtype auto --max-model-len 4096

Hardware Requirements

  • Minimum: 24 GB VRAM for partial offload
  • Recommended: 32+ GB VRAM for full GPU offload
  • Optimal: Blackwell B200 for max NVFP4 throughput

Quantization

Quantized from Qwen/Qwen3.6-35B-A3B BF16 weights using llama.cpp (llama-quantize.exe NVFP4).

License

Apache 2.0 - same as the base model.

Credits

Как запустить

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

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
aa98e55

0 моделей