/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Hy-MT2-30B-A3B
Опубликована
11 авг 2026

Hy-MT2-30B-A3B-NVFP4-GGUF

ПереводТекст → текст3 профессии

Квантованная GGUF-версия Tencent Hy-MT2-30B-A3B для локального перевода между английским и персидским языками на оборудовании NVIDIA Blackwell.

90скачиваний за 30 дней1лайквеса обновлены9 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

Это производная версия Tencent Hy-MT2-30B-A3B в формате GGUF с выборочной квантизацией NVFP4, подготовленная Reza2kn для перевода между английским и персидским языками на видеокартах NVIDIA Blackwell. В ней квантизированы 128 маршрутизируемых экспертов в слоях 1–47; механизмы внимания, эмбеддинги, маршрутизаторы, общие эксперты, нулевой слой и языковая голова сохранены в BF16. Исходная MoE-модель содержит около 30,1 млрд параметров.

Модель предназначена для локального и серверного машинного перевода в обоих направлениях: английский → персидский и персидский → английский. Карточка сообщает о проверке GGUF-артефакта на Blackwell и ноутбучной RTX 5080, включая измерения скорости и качества на небольших наборах разработки. Эти результаты характеризуют проверку конвертации и не являются независимой оценкой общего качества перевода.

Для запуска требуется сборка llama.cpp с поддержкой CUDA SM120 и NVFP4 MMQ; объём выгружаемых на GPU слоёв зависит от оборудования, а часть весов может размещаться в системной памяти. Распространение модели лицензировано по Apache License 2.0; сохраняются применимые уведомления и условия лицензирования исходной модели.

Сценарии применения

  • перевод текстов с английского на персидский
  • перевод текстов с персидского на английский
  • локальный машинный перевод на GPU NVIDIA Blackwell

Ограничения

Модель оптимизирована для перевода между английским и персидским языками; карточка не подтверждает качество для других языковых пар. Приведённые метрики получены на небольшом наборе разработки с синтетическими эталонами и не являются независимой оценкой качества перевода.

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

Hy-MT2-30B-A3B NVFP4 Experts GGUF

An expert-only NVFP4 derivative of tencent/Hy-MT2-30B-A3B for native English-Persian and Persian-English translation on NVIDIA Blackwell GPUs.

This is not a blanket 4-bit conversion. The 128 routed experts in layers 1-47 are NVFP4; attention, embeddings, routers, shared experts, layer 0, and the language-model head remain BF16. The routed experts account for 94.4198% of the 30,064,719,872 source parameters.

Provenance

  • Source: tencent/Hy-MT2-30B-A3B
  • Source revision: d3ead4dba61c09aac60a261a96ad1df3e705febb
  • Quantizer: NVIDIA ModelOpt 0.45.0 at ec87a82927d003986d44fb7f4fa8b3d10c31b095
  • Runtime/converter: llama.cpp at ebb546b7e961bd46fd9ed0387ffd14ca86b6fe1b
  • Calibration: 240 English/Persian Wikipedia samples, 65,487 tokens, collected on 2026-08-11; benchmark sources and references were excluded
  • Artifact size: 19,353,433,056 bytes
  • SHA-256: 3f5edeb940b56ad851cce84cc55de7812d97dc80aeb4a6d96aa20f044bec891f

ModelOpt fake-quant validation on eight held-out calibration rows produced 0.979527 prefill-logit cosine similarity and 0.973255 first-decode-logit cosine similarity, with 8/8 top-1 agreement in both cases.

Validation

The native GGUF was tested on an RTX PRO 6000 Blackwell Server Edition with a 64-row balanced development set (32 translations in each direction). References are synthetic development evidence, not an independent human test set.

RuntimeFormatOutput tok/sen-fa chrF++fa-en chrF++
vLLMBF16 source859.4056.8666.00
llama.cppNVFP4 GGUF413.9256.8465.49

Both runs used batch/concurrency 64 and a maximum of 128 generated tokens. The NVFP4 run produced no empty translations and no exact source copies. Its output agreement with BF16 was 88.01 chrF++ for English-to-Persian and 93.66 chrF++ for Persian-to-English.

RTX 5080 Laptop (Stallion)

The same GGUF and llama.cpp revision were also validated on a 16 GB RTX 5080 Laptop GPU at an 85 W power limit. With 38 layers offloaded to CUDA and the remaining weights in system RAM, a single 8K-context slot used 15,144 MiB VRAM and generated at 53.9 tok/s server-side (51.9 tok/s end-to-end).

An eight-slot throughput run used 8K total context (1,024 tokens per slot), 64 requests, and a 128-token output cap:

ConcurrencyOutput tok/sTotal tok/sRequests/s
885.63231.871.69

That run produced no empty outputs or exact source copies. Development chrF++ was 56.17 for English-to-Persian and 65.80 for Persian-to-English.

llama.cpp

Use a CUDA build that includes SM120 and the NVFP4 MMQ kernel. The exact tested llama.cpp revision is listed above.

cmake -S . -B build-sm120 \
  -DGGML_CUDA=ON \
  -DCMAKE_CUDA_ARCHITECTURES=120
cmake --build build-sm120 --config Release -j --target llama-cli llama-server

build-sm120/bin/llama-cli \
  -m Hy-MT2-30B-A3B-NVFP4-Experts.gguf \
  -ngl 99 -c 4096 -fa on \
  -n 256 --temp 0

The amount of GPU offload is hardware- and workload-dependent. Leave headroom for the KV cache and other processes instead of assuming the complete 19.35 GB file fits in VRAM.

The tested 16 GB / 8K Stallion configuration used -ngl 38 -c 8192 -np 1 for single-request serving. For the aggregate batch-8 result it used -ngl 38 -c 8192 -np 8; llama.cpp therefore assigned 1,024 context tokens to each parallel slot.

Important limitation

The intermediate ModelOpt safetensors pass fake-quant logit checks, but their current native and emulated vLLM deployment paths generated invalid text during this build. Those files are quarantined and are not the supported artifact. The GGUF listed by the exact checksum above is the validated runtime artifact.

The development set was used to validate conversion fidelity. It must not be reported as a fresh held-out measure of general translation quality.

Licensing and attribution

This model distribution is licensed under the Apache License, Version 2.0. See LICENSE. Existing third-party copyright, license, and attribution notices remain applicable.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
4ab3dd8

0 моделей