/ Модель

Характеристики

Лицензия
openmdw-1.1
Базовая модель
Nemotron-3.5-Lightning-30B-A3B-GGUF
Библиотека
transformers
Опубликована
26 авг 2026

Nemotron-3.5-Lightning-30B-A3B-NVFP4-GGUF

Генерация текстаТекст → текст15 профессий

Квантованная в NVFP4 модель NVIDIA Nemotron-3.5-Lightning в формате GGUF для диалоговой генерации текста, рассуждений и программирования.

156скачиваний за 30 дней0лайковвеса обновлены26 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

Это квантованная в NVFP4 сборка NVIDIA Nemotron-3.5-Lightning-30B-A3B, подготовленная в формате GGUF для запуска через llama.cpp. Модель разработана NVIDIA и имеет гибридную архитектуру MoE с чередованием слоёв Mamba-2 и MoE, а также отдельными слоями Attention; всего в ней 30 млрд параметров, из которых активны 3 млрд. В репозитории также есть черновая модель DFlash для спекулятивного декодирования.

Модель предназначена для диалоговой генерации текста, рассуждений, ответов на вопросы и задач программирования. В README заявлена длина контекста до 1 млн токенов при нативном значении по умолчанию 256 тыс. Поддерживаются английский, испанский, французский, немецкий, итальянский и японский языки. Для коммерческого использования указана лицензия OpenMDW-1.1. Квантованная сборка может отличаться по качеству от исходной BF16-версии; показатели README приведены лишь для отдельных бенчмарков.

Сценарии применения

  • ответы на вопросы и ведение диалога
  • генерация и объяснение программного кода
  • решение задач на рассуждение
  • генерация текста на нескольких европейских и японском языках

Ограничения

Квантование NVFP4 может влиять на качество по сравнению с версией BF16. Заявленная поддержка контекста до 1 млн токенов отличается от нативного значения по умолчанию 256 тыс.; практическая производительность зависит от среды запуска.

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-NVFP4 - GGUF

This repository contains GGUF format model files for WhiskyAKM/Nemotron-3.5-Lightning-30B-A3B-GGUF (quantized to NVFP4).

These files were converted using llama.cpp.

Available Files

FilenameQuant MethodDescription
nemotron-3.5-lightning-30b-a3b-nvfp4.ggufNVFP4Main model weights in NVIDIA FP4 format
nemotron-3.5-lightning-30b-a3b-dflash-nvfp4.ggufNVFP4DFlash 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 ModelWhiskyAKM/Nemotron-3.5-Lightning-30B-A3B-GGUF

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-NVFP4 is a large language model (LLM) trained and quantized 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-nvfp4.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-nvfp4.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-nvfp4.gguf \
  -md nemotron-3.5-lightning-30b-a3b-dflash-nvfp4.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

Можно запустить

Подбираем GPU…

Ревизия весов
82b6a5b

0 моделей