/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
21,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B
Библиотека
transformers
Опубликована
14 авг 2026

Qwen3.8-27B-NVFP4

Изображение и текст → текст15 профессий

Qwen3.8-27B-NVFP4 — это квантизированная версия модели Qwen3.8-27B, разработанной командой Qwen.

630скачиваний за 30 дней0лайковвеса обновлены14 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

Квантизацию выполнила A2Genesis с использованием NVIDIA TensorRT Model Optimizer 0.45 и рецепта для семейства qwen3_5. Модель предназначена для генерации текста, рассуждений, программирования, работы с инструментами и сценариев image-text-to-text, включая обработку изображений при наличии соответствующей инфраструктуры.

Модель использует смешанную точность: проекции MLP и lm_head представлены в NVFP4 с форматом W4A16, проекции внимания — в FP8, KV-кэш — в FP8, а vision tower, MTP head и отдельные свёрточные и gating-слои сохранены в BF16. Размер контрольной точки составляет около 21 ГБ вместо примерно 55 ГБ у BF16-версии. Доступен контекст до 262144 токенов при обслуживании через vLLM, а сохранение MTP-тензоров позволяет применять speculative decoding. Языки в README не указаны.

Сильные стороны модели — существенно меньший размер, поддержка высокопроизводительного инференса на GPU Blackwell, совместимость с vLLM, инструментальными вызовами и сохранение мультимодальных компонентов. Ограничения связаны с потерями и возможными особенностями качества, характерными для посттренировочной квантизации; на видеокартах более ранних архитектур NVFP4 загружается через поддержку ModelOpt, но преимущества производительности могут быть ниже. Это общественная квантизация от A2Genesis, не связанная с официальной поддержкой Qwen или NVIDIA.

Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели Qwen3.8-27B.

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

Qwen3.8-27B — NVFP4 (ModelOpt)

NVFP4 quantization of Qwen/Qwen3.8-27B, produced with NVIDIA TensorRT Model Optimizer 0.45 using NVIDIA's own recipe for the qwen3_5 family (huggingface/qwen3_5/ptq/w4a16_nvfp4-fp8_attn-kv_fp8_cast) — the same mixed-precision scheme NVIDIA used for its official Qwen3.6-27B NVFP4 release:

ComponentPrecision
MLP projections (gate/up/down) + lm_headNVFP4 (W4A16, weight-only, block size 16)
Self-attention and linear-attention (GDN) projectionsFP8 (E4M3, weights + activations)
KV cacheFP8 (constant amax)
Vision tower, MTP head, conv/gating layersBF16 (unquantized)

Checkpoint size is ~21 GB (vs. ~55 GB BF16).

Calibration

Post-training quantization with 1024 samples (max. 512 tokens each), 256 each from four openly available datasets: cnn_dailymail, Magpie-Align/Magpie-Pro-MT-300K-v0.1, nvidia/OpenCodeReasoning, nvidia/OpenMathReasoning. Attention implementation during calibration: SDPA.

Serving with vLLM

vllm serve <this-repo> \
  --quantization modelopt \
  --max-model-len 262144 \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --enable-auto-tool-choice

NVFP4 runs natively on Blackwell GPUs; the checkpoint loads on earlier architectures via vLLM's ModelOpt support with reduced benefit.

Notes

  • Community quantization by A2Genesis — not affiliated with or endorsed by the Qwen team or NVIDIA.
  • The MTP (multi-token prediction) tensors are preserved in BF16, so speculative decoding remains available.
  • License: Apache 2.0, inherited from the base model. All credit for the model itself belongs to the Qwen team.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
bfd9b31

0 моделей