/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
nwc
Опубликована
19 сен 2026

Qwen3-0.6B-NWC

Генерация текстаТекст → текст3 профессии

Компактная версия Qwen3-0.6B со сжатыми без потерь весами BF16 в формате NWC для генерации текста и экономии видеопамяти.

261скачиваний за 30 дней1лайквеса обновлены19 сен 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

Parda21/Qwen3-0.6B-NWC — производная компактной языковой модели Qwen3-0.6B от Parda21. Линейные слои и связанная матрица эмбеддингов сохранены в формате NWC: веса BF16 сжатие без потерь, декодируемое CUDA matvec-ядром. Модель содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов.

Модель предназначена для генерации текста и диалогов, а формат NWC — для уменьшения объёма весов и использования видеопамяти при запуске с поддерживающей его библиотекой. По README, для загрузки требуется около 0,82 ГБ против 1,19 ГБ у исходного BF16-чекпойнта; на RTX 4070 модель генерировала 162 токена/с против 196 у исходной. Это экспериментальный компактный вариант для проверки установки и CUDA-ядра: на крупном GPU ускорения не даёт, поскольку для этой модели узким местом становятся запуски ядер. Лицензия весов — Apache-2.0, как у базовой модели.

Сценарии применения

  • генерация текста с уменьшенным объёмом весов
  • диалоговая генерация на компактной языковой модели
  • проверка установки CUDA и библиотеки NWC
  • запуск модели при ограниченной видеопамяти

Ограничения

На крупном GPU модель не ускоряется относительно исходной Qwen3-0.6B и в приведённом тесте работала медленнее. Для использования сжатых весов требуются библиотека NWC и поддерживаемое CUDA-ядро; при точном равенстве двух ведущих логитов генерация может расходиться с BF16-версией.

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

Qwen3-0.6B-NWC

The small one: Qwen/Qwen3-0.6B with all linear layers and the tied embedding stored in NWC (Neural Weight Compression) format, losslessly compressed BF16 that is decoded inside the CUDA matvec kernel. It exists so that you can check your setup in a minute (0.8 GB download) before pulling Parda21/Qwen3-4B-NWC, where the speed gain shows.

Qwen3-0.6B (BF16)Qwen3-0.6B-NWC
weights1.19 GB0.82 GB (rate 0.690)
VRAM in use, batch 11.19 GB0.83 GB
tokens/s, RTX 4070, CUDA graph, greedy196162
weights vs original—bit-identical

The 0.6B model is not faster than native on a large GPU: its matrices are small (1024 × 2048 and smaller) and decoding is bound by kernel launches, not by memory bandwidth, so the fused kernel has nothing to win. It saves memory and proves the setup. Greedy output matches the BF16 model for the first 29 tokens of the reference prompt, then the two diverge on an exact tie of the top two logits (fp32 summation order; max logit difference 0.36 on a range of 28 before the tie).

Usage

pip install neural-weight-compression transformers accelerate
python -m nwc.doctor                                          # GPU, driver, library, kernel round trip
python -m nwc.demo Parda21/Qwen3-0.6B-NWC --load --graph      # downloads, loads, generates, reports tokens/s
from nwc import load_pretrained
from transformers import AutoTokenizer

model = load_pretrained("Parda21/Qwen3-0.6B-NWC")
tok = AutoTokenizer.from_pretrained("Parda21/Qwen3-0.6B-NWC")
ids = tok("Question: What is a binary tree? Answer:", return_tensors="pt").input_ids.cuda()
print(tok.decode(model.generate(ids, max_new_tokens=64, do_sample=False)[0]))

Back to a plain BF16 checkpoint (bit-identical, for tools that do not know NWC): python -m nwc.export Parda21/Qwen3-0.6B-NWC Qwen3-0.6B

Requirements: NVIDIA GPU with compute capability 7.5 or newer (8.0+ measured), CUDA driver for CUDA 12.6+, PyTorch with CUDA.

How it was made

from nwc import fuse, convert, save_pretrained
model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-0.6B", dtype=torch.bfloat16, device_map="cpu")
fuse(model); convert(model)
save_pretrained(model, "Qwen3-0.6B-NWC", tokenizer=tok, base_model="Qwen/Qwen3-0.6B")

Format and measurements: https://github.com/parda21/NWC. License of the weights: Apache-2.0, as the base model.

Как запустить

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

GPU в ailist

Универсальный рантайм · nwc

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
d2e46ee

0 моделей