/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
183 ГБ
Лицензия
Apache 2.0
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next-Uncensored-NVFP4
Библиотека
transformers
Опубликована
28 авг 2026

Qwen3.8-Flash-Next-Uncensored-NVFP4-MTP

Генерация текстаТекст → текст12 профессий

Qwen3.8 Flash-Next Uncensored NVFP4 + MTP — мультимодальная модель класса Mixture-of-Experts, разработанная на основе чекпойнта mazinb/Qwen3.8-Flash-Next-Uncensored-NVFP4 и опубликованная пользователем aday777.

533скачиваний за 30 дней1лайквеса обновлены28 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

Она предназначена для высокопроизводительной генерации текста со speculative decoding на GPU NVIDIA Blackwell, включая длинный контекст, мультимодальные сценарии, tool calling и reasoning-каналы. Модель относится к pipeline text-generation и поддерживает английский язык.

Модель содержит примерно 125 млрд параметров, из которых около 6 млрд активируются на один токен. Целевые MoE-эксперты и эксперты MTP квантизованы в NVFP4, общие эксперты целевой модели используют BF16; применяются MTP speculative depth 3 и контекст до 131 072 токенов. В квалификационном тесте на NVIDIA RTX PRO 6000 Blackwell 96 GB была достигнута скорость 161,12 выходного токена в секунду, однако для работы требуется современная совместимая сборка vLLM с поддержкой Qwen4-Exp/Flash-Next, Blackwell NVFP4 MoE, MTP и выгрузки PLE на CPU.

Сильными сторонами являются высокая пропускная способность, поддержка длинного контекста, мультимодальности и спекулятивного декодирования, а также детерминированная конвертация и опубликованные контрольные суммы файлов. Ограничения включают зависимость от специфической аппаратной и программной конфигурации, возможную несовместимость со старыми версиями vLLM и необходимость самостоятельно проверять качество и безопасность. Модель намеренно uncensored и abliterated, поэтому может выполнять небезопасные, незаконные, неточные или вредоносные запросы; README прямо возлагает ответственность за контроль доступа и применение на пользователя.

Модель распространяется по лицензии Apache-2.0. Указанная лицензия относится к карточке модели; дополнительные риски и условия использования следует оценивать с учетом происхождения базового чекпойнта и применимого законодательства.

Для каких профессий подходит12

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 Flash-Next Uncensored NVFP4 + MTP

This is a load-tested sibling of mazinb/Qwen3.8-Flash-Next-Uncensored-NVFP4 with the model's one-layer MTP draft experts converted to NVFP4. It is a roughly 125B-total / 6B-active multimodal mixture-of-experts checkpoint intended for high-throughput speculative decoding on NVIDIA Blackwell.

What is quantized

  • All 48 target-model routed MoE expert banks: NVFP4 (inherited from the source checkpoint)
  • MTP routed experts (512) and the MTP shared expert: NVFP4
  • Target-model shared experts: BF16
  • PLE n-gram tables: BF16, qualified with pinned CPU residency and host-to-device lookup
  • Attention, linear-attention/GDN, vision, embeddings, gates, and other excluded modules retain the source checkpoint's declared precision

The conversion is deterministic ModelOpt-compatible RTN with group size 16 and no calibration dataset. MTP_NVFP4_MANIFEST.json records source identity, conversion details, preservation closure, and tool version. SHA256SUMS covers every distributed model file; its SHA-256 is 17e1223cb7670c85e52ad56f243bf2702a5325f4ed2e94693a23b4ffedba0292.

Qualified runtime

The exact checkpoint passed end-to-end vLLM qualification on one NVIDIA RTX PRO 6000 Blackwell 96 GB GPU with:

  • 88.9 GiB hard VRAM budget, preserving at least 6 GiB physical VRAM
  • 131,072-token serving context
  • MTP speculative depth 3
  • BF16 KV cache with PLE-only CPU offload
  • 161.12 output tokens/s in the gated single-stream decode-after-prefill test
  • 974 accepted draft tokens out of 1,689 observed during qualification
  • 120,031-token long-context, multimodal, tool-call, reasoning-channel, readiness, behavior, and resource checks

This architecture requires a recent compatible vLLM build with Qwen4-Exp/Flash-Next, Blackwell NVFP4 MoE, MTP, and PLE CPU-offload support. Stock older vLLM releases may not load it. Use trust_remote_code only if your runtime policy permits it, and verify SHA256SUMS before serving.

Lineage

  • Uncensored NVFP4 parent: mazinb/Qwen3.8-Flash-Next-Uncensored-NVFP4 at revision f2c21eb3d2ff5f24c208ea7e3afba65e2e70f83f
  • The parent model card documents its behavioral merge/source lineage.
  • This repository changes MTP expert storage and the one source shard that formerly contained superseded BF16 MTP expert tensors; all other checkpoint tensors are byte-preserved.

Safety and use

This model is intentionally abliterated/uncensored and may comply with unsafe, illegal, inaccurate, or harmful requests. It has no warranty. Users are responsible for evaluation, access controls, applicable law, and downstream use.

Donations

If this release is useful, Bitcoin donations are welcome:

bc1q5ayht3fxhj0v95fk0z8l2f6900g3awdsw5842p

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen4ExpForConditionalGeneration
Ревизия весов
18bd7d6

0 моделей