/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Reranker-0.6B
Опубликована
27 июл 2026

Qwen3-Reranker-0.6B-W8A16-g128-gptq-resident

Генерация текстаТекст → текст8 профессий

Компактный квантованный многоязычный реранкер Qwen3 оценивает релевантность текстовых кандидатов запросу для сортировки результатов поиска.

155скачиваний за 30 дней0лайковвеса обновлены27 июл 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

Nicolassuez выпустил квантованную версию Qwen3-Reranker-0.6B для ранжирования текстовых кандидатов по релевантности запросу. Модель основана на Qwen/Qwen3-Reranker-0.6B; в репозитории заявлены веса GPTQ W8A16 с группами размера 128, упакованные как int8-значения и масштабы без повторной квантизации. Архитектура — плотная Qwen3ForCausalLM, размер — 507,6 млн параметров, контекст — до 40 960 токенов.

Вариант использует пользовательский код: веса int8 остаются в VRAM и деквантуются при каждом прямом проходе; заявленный объём resident-весов — 740 МиБ против 1136 МиБ для bf16. Для оценки применяется официальный шаблон Qwen3-Reranker, а релевантность извлекается как вероятность токена «yes» из логитов последней позиции. README сообщает о совпадении выбора лучшего кандидата с родительским GPTQ-вариантом на проверенных запросах при заданном пороге разницы оценок.

Модель предназначена для многоязычного ранжирования и переупорядочивания результатов поиска. Лицензия — Apache-2.0. Для загрузки требуется trust_remote_code=True; версии Transformers следует фиксировать, поскольку численные результаты могут различаться между версиями 4.57 и 5.14.

Сценарии применения

  • переупорядочивание результатов поисковой выдачи
  • ранжирование фрагментов документов по запросу
  • сортировка ответов-кандидатов для RAG
  • оценка релевантности многоязычных текстов

Ограничения

Для загрузки требуется разрешить пользовательский код через trust_remote_code=True. Численные результаты зависят от версии Transformers, поэтому её следует фиксировать; заявленное совпадение выбора кандидата проверено на ограниченном наборе запросов.

Для каких профессий подходит8

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-Reranker-0.6B W8A16 g128 GPTQ, int8-RESIDENT (custom code)

The exact same int8 values and scales as Qwen3-Reranker-0.6B-W8A16-g128-gptq (bit-exact unpack of the GPTQ solution, zero requantization), repackaged as repo custom code (trust_remote_code=True) whose Int8GroupLinear modules keep the int8 weights RESIDENT in VRAM and dequantize per forward, instead of transformers' decompress-to-bf16-and-keep behavior.

Resident weights: 740 MiB instead of 1136 MiB bf16. lm_head stays bf16 (tied to the embedding table; the yes/no score is read from it). Fidelity is that of the GPTQ parent: identical bf16 top-1 on every query bf16 itself decides (score gap >= 0.01), 70 queries x 20 candidates.

Usage

Load with AutoModelForCausalLM.from_pretrained(..., trust_remote_code=True) and apply the official Qwen3-Reranker scaffold; score = P("yes") from the last-position logits. Pass logits_to_keep=1 to avoid materializing full-sequence vocab logits (see the parent model card for the complete snippet; only the repo id and trust_remote_code=True differ).

Companion embedder: Qwen3-Embedding-0.6B-W8A16-g128-resident.

Caveat: transformers version pinning

Qwen3 forward numerics drift between transformers 4.57 and 5.14 (measured on the embedding twin; applies to the bf16 base too). Keep the serving version pinned.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
8a5f97d

0 моделей