/ Модель

Характеристики

Лицензия
openmdw-1.1
Библиотека
transformers
Опубликована
26 авг 2026

Nemotron-3.5-Lightning-30B-A3B-GGUF

Генерация текстаТекст → текст15 профессий

WhiskyAKM/Nemotron-3.5-Lightning-30B-A3B-GGUF — это набор моделей в формате GGUF, созданный на основе NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 и разработанный NVIDIA Corporation.

942скачиваний за 30 дней0лайковвеса обновлены26 авг 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

Файлы были конвертированы и квантизированы с помощью llama.cpp и предназначены для локального запуска и генерации текста, включая программирование, рассуждения, задачи общего назначения и агентские сценарии.

Модель использует гибридную архитектуру Mixture-of-Experts с чередованием слоёв Mamba-2 и MoE, а также отдельными слоями Attention. Всего модель содержит 30 млрд параметров, из которых активно используется около 3 млрд. Поддерживаются английский, испанский, французский, немецкий, итальянский и японский языки, а также языки программирования. Заявлена длина контекста до 1 млн токенов при нативном значении по умолчанию 256 тыс. токенов. Доступны режимы рассуждения с включением и отключением через chat template, а также методы ускорения генерации DSpark, DFlash и MTP.

Сильными сторонами модели являются высокая вычислительная эффективность MoE-архитектуры, поддержка длинного контекста, многоязычность и несколько вариантов квантизации — от BF16 до 4-битных форматов. Качество, скорость и требования к памяти зависят от выбранного файла; более компактные варианты экономичнее, но могут уступать полноточной версии по качеству. Модель ориентирована на текстовые задачи и не заявлена как мультимодальная. Распространение и коммерческое использование регулируются лицензией OpenMDW License Agreement версии 1.1.

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

NVIDIA-Nemotron-3.5-Lightning-30B-A3B - GGUF

This repository contains GGUF format model files for NVIDIA's NVIDIA-Nemotron-3.5-Lightning-30B-A3B.

These files were converted and quantized using llama.cpp.

Available Files

FilenameQuant MethodDescription
nemotron-3.5-lightning-30b-a3b-bf16.ggufBF16Full-precision reference weights (unquantized)
nemotron-3.5-lightning-30b-a3b-Q8_0.ggufQ8_0Extremely high quality, fast, high resource usage
nemotron-3.5-lightning-30b-a3b-Q6_K.ggufQ6_KVery high quality, near-lossless quantization
nemotron-3.5-lightning-30b-a3b-Q5_K_M.ggufQ5_K_MHigh quality, balanced performance and memory
nemotron-3.5-lightning-30b-a3b-Q5_K_S.ggufQ5_K_SHigh quality, slightly smaller footprint than Q5_K_M
nemotron-3.5-lightning-30b-a3b-Q4_K_M.ggufQ4_K_MRecommended balance of size, speed, and quality
nemotron-3.5-lightning-30b-a3b-Q4_K_S.ggufQ4_K_S4-bit quantization with small memory footprint
nemotron-3.5-lightning-30b-a3b-Q4_0.ggufQ4_0Standard 4-bit quantization
nemotron-3.5-lightning-30b-a3b-dflash.gguf—DFlash speculative decoding draft model

Model Summary

Total Parameters30B (3B active)
ArchitectureMoE — Mamba-2 + MoE + Attention hybrid
Context LengthUp to 1M tokens (256K native default)
Supported LanguagesEnglish (and coding languages), Spanish, French, German, Italian, Japanese
Speculative DecodingDSpark, DFlash, MTP (Multi-Token Prediction)
Reasoning ModeConfigurable on/off via chat template (enable_thinking=True/False)
Recommended SamplingTemperature 1.0, Top_P 0.95
LicenseOpenMDW License Agreement, version 1.1
Original Modelnvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16

Model Overview

Model Developer: NVIDIA Corporation

Model Dates: December 2025 - May 2026

Data Freshness:

  • The pre-training data has a cutoff date of September 2025.
  • The post-training data has a cutoff date of May 2026.

What is Nemotron?

NVIDIA Nemotron™ is a family of open models with open weights, training data, and recipes, delivering leading efficiency and accuracy for building specialized AI agents.

Description

NVIDIA-Nemotron-3.5-Lightning-30B-A3B is a large language model (LLM) trained by NVIDIA.

The model employs a hybrid Mixture-of-Experts architecture, utilizing interleaved Mamba-2 and MoE layers, along with select Attention layers. The Lightning 3.5 model is released alongside speculative decoding methods (DSpark, DFlash, MTP) for faster text generation. The model has 3B active parameters and 30B parameters in total.

This model is ready for commercial use under the OpenMDW-1.1 license.

Usage with llama.cpp

CLI / llama-cli

Reasoning ON (default):

llama-cli \
  -m nemotron-3.5-lightning-30b-a3b-Q4_K_M.gguf \
  --jinja \
  --chat-template-file chat_template.jinja \
  -p "Write a Python function to compute Fibonacci numbers." \
  --temp 1.0 --top-p 0.95 \
  -ngl 99

llama-server

Start the OpenAI-compatible server:

llama-server \
  -m nemotron-3.5-lightning-30b-a3b-Q4_K_M.gguf \
  --temp 1.0 --top-p 0.95 \
  -np 1 \
  -c 40960 \
  --port 8000 \
  -ngl 99 \
  -fa on \
  --jinja \
  --chat-template-file chat_template.jinja \
  --no-webui \
  --fit off

With DFlash Speculative Decoding

Accelerate token generation using the DFlash draft model:

llama-server \
  -m nemotron-3.5-lightning-30b-a3b-Q4_K_M.gguf \
  -md nemotron-3.5-lightning-30b-a3b-dflash.gguf \
  --draft-max 6 \
  --temp 1.0 --top-p 0.95 \
  -np 1 \
  -c 40960 \
  --port 8000 \
  -ngl 99 \
  -ngld 99 \
  -fa on \
  --jinja \
  --chat-template-file chat_template.jinja \
  --no-webui \
  --fit off

API Client Example (OpenAI SDK)

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

# Reasoning ON (default)
response = client.chat.completions.create(
    model="nemotron-3.5-lightning-30b-a3b",
    messages=[{"role": "user", "content": "Write a haiku about GPUs"}],
    max_tokens=4096,
    temperature=1.0,
    top_p=0.95,
    extra_body={"chat_template_kwargs": {"enable_thinking": True}},
)
print(response.choices[0].message.content)

# Reasoning OFF (direct answer)
response = client.chat.completions.create(
    model="nemotron-3.5-lightning-30b-a3b",
    messages=[{"role": "user", "content": "What is the capital of Japan?"}],
    max_tokens=128,
    temperature=1.0,
    top_p=0.95,
    extra_body={"chat_template_kwargs": {"enable_thinking": False}},
)
print(response.choices[0].message.content)

Benchmarks

Reasoning Benchmark Evaluations

TaskNemotron-3.5-Lightning-30B-A3B-BF16Nemotron-3.5-Lightning-30B-A3B-NVFP4
General Knowledge
MMLU Pro81.9481.62
AA-Omniscience17.5016.63
Reasoning
GPQA Diamond (no tools)75.4475.57
HLE (text-only, no tools)11.7210.47
SciCode32.6031.38
Coding & Agentic
SWE-bench Verified51.5652.80
SWE-bench Multilingual39.3336.47
Terminal-Bench 2.124.5823.46
PinchBench85.3783.43
BrowseComp36.9736.81
τ³-bench (Banking)9.289.48
GDPval-AA-V2832865
Instruction Following
IFBench (loose)71.8872.88
Long Context
AA-LCR52.0049.19

License and Terms of Use

Governing Download Terms: Use of this model is governed by the OpenMDW-1.1 model license.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
40c79ee

0 моделей