/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Размер весов
32,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-Coder-30B-A3B-Instruct
Библиотека
mlx
Опубликована
22 июл 2026

Qwen3-Coder-16B-A3B-KREAP-MLX

Генерация текстаТекст → текст3 профессии

Экспериментальная сжатая MoE-модель для генерации текста и программирования с поддержкой корейского и английского языков.

827скачиваний за 30 дней0лайковвеса обновлены28 сен 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

RAS-LAB выпустила экспериментальный чекпойнт Qwen3-Coder-16B-A3B-KREAP-MLX — сжатую методом K-REAP инструктивную MoE-модель для генерации текста, программирования и диалоговых сценариев. Она основана на Qwen/Qwen3-Coder-30B-A3B-Instruct; число маршрутизируемых экспертов сокращено со 128 до 64 на слой, а активный набор top-8 сохранён. В README указано около 16 млрд параметров и 3,3 млрд активных; метаданные каталога сообщают 2,6 млрд параметров. Модель поддерживает контекст до 262 144 токенов и доступна в формате safetensors для MLX и Transformers.

Метод K-REAP защищает экспертов, важных для корейского языка, и снижает его деградацию относительно стандартного REAP, однако при сжатии на 50% часть защищённых экспертов пришлось удалить. По приведённым бенчмаркам заметно ухудшились показатели на корейских и английских задачах, математике и программировании. Это чекпойнт, демонстрирующий предел сжатия, а не рекомендуемый рабочий вариант. Лицензия — Apache-2.0.

Сценарии применения

  • генерация и дополнение кода
  • ответы на вопросы и диалог на корейском языке
  • ответы на вопросы и диалог на английском языке
  • решение математических задач
  • эксперименты со сжатием MoE-моделей и сохранением корейского языка

Ограничения

При сжатии на 50% ухудшаются результаты на корейских и английских задачах, математике и программировании; README характеризует модель как демонстрацию предела сжатия, а не рекомендуемый рабочий вариант. Приведённые оценки получены на подвыборках некоторых бенчмарков.

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-Coder-16B-A3B-KREAP-MLX (50% routed pruning)

Korean-preserving one-shot MoE expert pruning of Qwen3-Coder-30B-A3B-Instruct, produced with K-REAP. Routed experts pruned 128 → 64 per layer (50%); ~16B total params, 3.3B active (top-8 unchanged). No fine-tuning.

Unlike vanilla REAP (English/code calibration), K-REAP detects and hard-protects the experts that carry Korean, so pruning preserves Korean without sacrificing English/coding. See K-Guard-REAP for the full study.

Korean loss minimized vs. standard REAP

The standard REAP recipe collapses Korean at comparable compression: Cerebras Qwen3-Coder-REAP-25B (19.5%, no language protection) drops Korean MC macro 79.3 → 56.6 (−22.7pp) with generation collapse 115/128. By hard-protecting the Korean expert path, this model keeps Korean MC macro at 67.3 (−12.0pp) with 52/128 collapse — still well ahead of REAP's 56.6 / 115 even at this aggressive ratio. (K-REAP removes ~47% of REAP's Korean damage.)

⚠️ Compression-ceiling model. At 50% the per-layer protected set (up to 83) no longer fits the budget (64), so 93 Korean-protected experts were force-dropped. Korean and English reasoning degrade here — this checkpoint documents the limit, not a recommended operating point. Use 12.5–25% for preserved Korean.

Benchmarks (vs base Qwen3-Coder-30B; Δ = base delta, %p)

한국어 (Korean, self-harness)

benchmarkbasethis model
KMMLU55.241.2 (−14.0)
KoBEST BoolQ93.680.4 (−13.2)
KoBEST COPA92.771.5 (−21.2)
KoBEST SentiNeg95.090.4 (−4.6)
KoBEST HellaSwag60.052.8 (−7.2)
Gen. collapse (/128, ↓)052

English reasoning/knowledge (llm-evalbox)

benchmarkbasethis model
ARC-Challenge91.271.0 (−20.2)
HellaSwag84.463.4 (−21.0)
WinoGrande73.457.6 (−15.8)
MMLU-Pro50.237.0 (−13.2)
TruthfulQA71.246.6 (−24.6)
MMLU-en76.654.6 (−22.0)

Math

benchmarkbasethis model
GSM8K93.280.2 (−13.0)
MathQA55.233.8 (−21.4)

Coding

benchmarkbasethis model
HumanEval+87.879.3 (−8.5)
MBPP+77.259.3 (−17.9)
LiveCodeBench52.427.9 (−24.5)

Safety/Bias

benchmarkbasethis model
BBQ92.266.8 (−25.4)
SafetyBench83.273.4 (−9.8)

Macro

benchmarkbasethis model
Korean MC macro79.367.3 (−12.0)
Academic 10-bench macro74.755.8 (−18.9)

Usage (MLX)

from mlx_lm import load, generate
model, tok = load("RAS-LAB/Qwen3-Coder-16B-A3B-KREAP-MLX")
print(generate(model, tok, prompt="한국어로 자기소개를 해줘.", max_tokens=256))

Standard HF safetensors (BF16) — also loadable with transformers. Coverage note: KoBEST & EvalPlus are full sets; KMMLU/evalbox/LiveCodeBench are deterministic subsets (seed 42). Effect sizes ≫ sampling CI. Details: K-Guard-REAP docs/10_MASTER_RESULTS.md §7.

Method

REAP saliency (router gate × expert-output L2 norm, conditional mean) restricted to Korean segments + Korean↔English contrast + rare/rollout protection → hard-protected survivor set → streaming safetensors surgery (uniform experts/layer). Framework: https://github.com/Chedrian07/K-REAP

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
95f7c86

0 моделей