/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
nwc
Опубликована
19 сен 2026

Qwen3-4B-NWC

Генерация текстаТекст → текст11 профессий

Сжатая без потерь CUDA-версия Qwen3-4B для генерации текста и диалогов с меньшими требованиями к видеопамяти.

343скачиваний за 30 дней2лайкавеса 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/Qwen3-4B-NWC — версия языковой модели Qwen3-4B, представленная в формате Neural Weight Compression (NWC). Линейные слои и связанные эмбеддинги хранятся в сжатом BF16-виде; веса восстанавливаются непосредственно CUDA-ядром при умножении матриц. По заявлению автора, веса побитово совпадают с исходной моделью и не квантизированы. Репозиторий содержит 3,7 млрд параметров и рассчитан на контекст до 40 960 токенов.

Модель предназначена для генерации текста и диалогов. По сравнению с исходной версией BF16 автор сообщает о сокращении размера весов с 8,04 до 5,55 ГБ, использовании видеопамяти с 8,10 до 5,67 ГБ и скорости 55 против 45 токенов в секунду на RTX 4070 в указанном режиме. Для запуска нужны библиотека nwc, Transformers, Accelerate и CUDA; специальный формат требует поддержки NWC. Лицензия весов — Apache-2.0, как у базовой модели.

Сценарии применения

  • ведение диалогов с пользователем
  • генерация текстовых ответов и продолжений
  • локальный запуск языковой модели при ограниченной видеопамяти

Ограничения

Для работы требуются CUDA и программный стек с поддержкой NWC; обычная загрузка модели без этого формата может быть недоступна. Заявленные показатели производительности приведены для RTX 4070 и конкретного режима измерения.

Для каких профессий подходит11

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

Qwen3-4B-NWC

Qwen/Qwen3-4B with all linear layers and the tied embedding stored in NWC (Neural Weight Compression) format: losslessly compressed BF16, decoded inside the CUDA matvec kernel. The weights are bit-exact with the original checkpoint; no quantization is involved.

Qwen3-4B (BF16)Qwen3-4B-NWC
weights8.04 GB5.55 GB (rate 0.689)
VRAM in use, batch 18.10 GB5.67 GB
tokens/s, RTX 4070, CUDA graph, greedy4555
tokens/s, NVIDIA A16 (vGPU 16Q)16.818.2
output tokens vs original (greedy, 64)—identical

Usage

pip install neural-weight-compression transformers accelerate
from nwc import load_pretrained
from transformers import AutoTokenizer

model = load_pretrained("Parda21/Qwen3-4B-NWC")        # no BF16 originals needed, loads straight to the GPU
tok = AutoTokenizer.from_pretrained("Parda21/Qwen3-4B-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]))

Or from the command line: python -m nwc.demo Parda21/Qwen3-4B-NWC --load --graph

Requirements: NVIDIA GPU with compute capability 8.0 or newer (Ampere, Ada, Hopper; Blackwell via PTX JIT), CUDA driver for CUDA 12.6+, PyTorch with CUDA. Batch-1 generation runs through the fused kernel; prefill (batch > 1) dequantizes into a temporary BF16 buffer and uses cuBLAS.

How it was made

from nwc import fuse, convert, save_pretrained
model = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-4B", dtype=torch.bfloat16, device_map="cpu")
fuse(model); convert(model)
save_pretrained(model, "Qwen3-4B-NWC", tokenizer=tok, base_model="Qwen/Qwen3-4B")

Format and measurements: https://github.com/parda21/NWC (docs/format.md, docs/results.md). 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
2609072

0 моделей