/ Модель

Характеристики

Контекст
262 144 токена
Параметры
89,2 млрд
Размер весов
1,5 ТБ
Лицензия
Своя лицензия
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
Qwen3.8-2.4T-A95B
Библиотека
Model Optimizer
Опубликована
7 авг 2026

Qwen3.8-2.4T-A95B-NVFP4

Генерация текстаТекст → текст15 профессий

RadixArk Qwen3.8-2.4T-A95B-NVFP4 — квантизированная версия причинно-следственной языковой модели Qwen3.8-2.4T-A95B, созданной Qwen.

1 272скачиваний за 30 дней6лайковвеса обновлены16 авг 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

Квантизацию выполнила RadixArk с использованием NVIDIA Model Optimizer и схемы experts-only NVFP4; RadixArk не обучала и не дообучала модель. Архитектура — Transformer Mixture-of-Experts с 2,4 трлн общих параметров и 95 млрд активируемых параметров.

Модель предназначена для генерации текста, AI-агентов, чат-ботов, RAG-систем и других текстовых приложений. Она принимает и возвращает текст, поддерживает контекст до 262 144 токенов и работает только в режиме рассуждений; мультимодальные входы и отключение thinking mode не поддерживаются. Квантизации подвергнуты линейные операторы в MLP-блоках маршрутизируемых экспертов, остальные компоненты сохраняют точность исходного чекпойнта. Для запуска рекомендуется SGLang на Linux и совместимое оборудование NVIDIA Blackwell, в частности конфигурация 8×B300; заявленная интеграция с другими платформами не указана.

По приведённым оценкам на конфигурации 8×B300 модель получила 97,73% на GSM8K, 98,75% pass@1 и 100% pass@16 на AIME 2026, 70,6% pass@1 на SWE-bench Verified и 87,64% pass@1 на Terminal-Bench 2.1. Ограничения и характеристики обучения унаследованы от исходной модели; README предупреждает о возможном воспроизведении токсичных высказываний и общественных предубеждений из обучающих данных. Модель распространяется по лицензии Qwen3.8-Max, обозначенной как other.

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

Model Overview

Description:

The RadixArk Qwen3.8-2.4T-A95B-NVFP4 model is the quantized version of Qwen/Qwen3.8-2.4T-A95B, a causal language model with 2.4T total parameters and 95B activated parameters. The quantization was produced at RadixArk using NVIDIA Model Optimizer, following an experts-only NVFP4 recipe.

Run on SGLang: launch command and per-platform recipes in the Qwen3.8 cookbook.

Third-Party Community Consideration

This model is not owned or developed by RadixArk. It is a quantized derivative of Qwen's model; see the upstream Qwen3.8-2.4T-A95B model card for the source model's capabilities, training information, limitations, and license.

License/Terms of Use:

Qwen3.8-Max license

Deployment Geography:

Global

Use Case:

Developers looking to take off-the-shelf, pre-quantized models for deployment in AI Agent systems, chatbots, RAG systems, and other AI-powered applications.

Release Date:

Hugging Face 08/07/2026 via https://huggingface.co/RadixArk/Qwen3.8-2.4T-A95B-NVFP4

Model Architecture:

Architecture Type: Transformers (Mixture-of-Experts) Network Architecture: Qwen3.8-2.4T-A95B Number of Model Parameters: 2.4T total, 95B activated

Input:

Input Type(s): Text Input Format(s): String Other Properties Related to Input: Native context length up to 262,144 tokens.

Output:

Output Type(s): Text Output Format: String

Software Integration:

Supported Runtime Engine(s):

  • SGLang

Supported Hardware Microarchitecture Compatibility:

  • NVIDIA Blackwell (this checkpoint was produced and validated on B300 SXM6)

Preferred Operating System(s):

  • Linux

Model Version(s):

Quantized with NVIDIA Model Optimizer, commit 87c9f8cf83021957d1a1a575c90c9a4eaaf7ef0c.

Training, Testing, and Evaluation Datasets:

Calibration Data:

The conversion used deterministic synthetic token calibration. See CONVERSION.md for the complete conversion and validation contract.

Training Dataset:

RadixArk did not train or fine-tune this checkpoint. Training information is inherited from the upstream Qwen3.8-2.4T-A95B model card.

Evaluation Dataset:

The model was evaluated on GSM8K, AIME 2026, SWE-bench Verified, and Terminal-Bench 2.1.

Post Training Quantization

This model was obtained by quantizing Qwen/Qwen3.8-2.4T-A95B with an experts-only NVFP4 recipe. Only linear operators in the routed-expert MLP blocks are quantized; other components retain the source checkpoint precision. See CONVERSION.md for tensor-level details.

Usage

The recommended SGLang configuration for a single 8×B300 node is:

SGLANG_ENABLE_MOE_DEFERRED_FINALIZE=1 \
SGLANG_FLASHINFER_MNNVL_CUTEDSL_AR_FUSION=1 \
sglang serve \
  --trust-remote-code \
  --model-path RadixArk/Qwen3.8-2.4T-A95B-NVFP4 \
  --tp-size 8 \
  --context-length 200000 \
  --preferred-sampling-params '{"top_k": 20}' \
  --attention-backend trtllm_mha \
  --page-size 64 \
  --linear-attn-prefill-backend flashinfer \
  --linear-attn-decode-backend flashinfer \
  --moe-runner-backend flashinfer_trtllm \
  --mamba-radix-cache-strategy extra_buffer \
  --mamba-ssm-dtype bfloat16 \
  --speculative-algorithm DSPARK \
  --speculative-draft-model-path RadixArk/Qwen3.8-2.4T-A95B-DSpark \
  --mem-fraction-static 0.80 \
  --max-running-requests 128 \
  --chunked-prefill-size 8192 \
  --max-prefill-tokens 8192 \
  --cuda-graph-backend-prefill breakable \
  --cuda-graph-max-bs-prefill 8192 \
  --cuda-graph-backend-decode full \
  --cuda-graph-max-bs-decode 128 \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --host 0.0.0.0 \
  --port 30000

For other deployment topologies and hardware-specific configurations, see the SGLang Qwen3.8 cookbook.

This checkpoint is text-only and requires thinking mode. Multimodal inputs and enable_thinking=false are not supported.

Evaluation

The benchmark results below were produced with this NVFP4 checkpoint on an 8×B300 TP8 SGLang deployment.

BenchmarkEvaluation protocolScore
GSM8KFull 1,319-example split, sgl-eval97.73%
AIME 202630 problems × 16 repeats, sgl-eval98.75% pass@1; 100% pass@16
SWE-bench Verified500 instances, agentic evaluation with unbounded steps70.6% pass@1 (353/500)
Terminal-Bench 2.189 tasks, Claude Code agent87.64% pass@1 (78/89)

GSM8K used zero-shot evaluation with recommended sampling (temperature=1.0, top_p=0.95). AIME 2026 used 16 independent samples per problem, for 480 generations in total. SWE-bench Verified used the official test split and the SWE-bench harness to score submitted patches. For Terminal-Bench 2.1, Claude Code multimodal requests were disabled.

Model Limitations:

The base model was trained on data that contains toxic language and societal biases originally crawled from the internet. Therefore, the model may amplify those biases and return toxic responses especially when prompted with toxic prompts. The model may generate answers that may be inaccurate, omit key information, or include irrelevant or redundant text producing socially unacceptable or undesirable text, even if the prompt itself does not include anything explicitly offensive.

Ethical Considerations

RadixArk believes Trustworthy AI is a shared responsibility and we follow established policies and practices that enable development for a wide array of AI applications. When downloaded or used in accordance with our terms of service, developers should work with their internal model team to ensure this model meets requirements for the relevant industry and use case and addresses unforeseen product misuse.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
a727bfe

0 моделей