/ Модель

Характеристики

Контекст
262 144 токена
Параметры
89,2 млрд
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
Qwen3.8-2.4T-A95B-FP8
Библиотека
transformers
Опубликована
11 авг 2026

Qwen3.8-2.4T-A95B-Quark-MXFP4

Генерация текстаТекст → текст15 профессий

amd/Qwen3.8-2.4T-A95B-Quark-MXFP4 — текстовая языковая модель на архитектуре Qwen3_5MoeForCausalLM, разработанная на базе Qwen/Qwen3.8-2.4T-A95B-FP8 и подготовленная Advanced Micro Devices, Inc. с использованием AMD-Quark 0.12.

24 988скачиваний за 30 дней6лайковвеса обновлены14 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

Модель принимает текст и генерирует текст; в метаданных указан английский язык. Размер контекста и полный перечень поддерживаемых языков не указаны.

Модель предназначена для инференса и задач генерации текста, включая математические рассуждения и оценивание на бенчмарках. Квантованию подвергнуты routed experts: веса используют статическое представление OCP MXFP4, а активации — динамическое OCP MXFP4. Для запуска заявлена поддержка AMD MI350 и MI355 под Linux с ROCm 7.2.0 и PyTorch 2.12.0; рекомендованные движки инференса — SGLang и vLLM.

На GSM8K модель получила точность 97,49%, полностью сохранив результат исходной FP8-модели по приведённому сравнению. Ограничения включают зависимость от указанного оборудования и программного стека, а также отсутствие в README сведений о результатах на других задачах, контекстном окне, детальных возможностях мультиязычной работы и лицензии исходной модели. Указано, что модификации защищены авторским правом Advanced Micro Devices, Inc. (2026), но отдельные условия лицензии в README не приведены.

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

Model Overview

  • Model Architecture: Qwen3_5MoeForCausalLM
    • Input: Text
    • Output: Text
  • Supported Hardware Microarchitecture: AMD MI350 / MI355
  • ROCm: 7.2.0
  • PyTorch: 2.12.0
  • Transformers: 5.14.1
  • Operating System(s): Linux
  • Inference Engine: SGLang/vLLM
  • Model Optimizer: AMD-Quark (v0.12)
    • Quantized layers: router experts
    • Weight quantization: OCP MXFP4, Static
    • Activation quantization: OCP MXFP4, Dynamic

Model Quantization

The model was quantized from Qwen/Qwen3.8-2.4T-A95B-FP8 using AMD-Quark. The weights and activations of the routed experts are quantized to MXFP4.

Quantization scripts:

from quark.torch import LLMTemplate, ModelQuantizer

qwen3_5_moe_text_template = LLMTemplate(
    model_type="qwen3_5_moe_text",
    kv_layers_name=["*k_proj", "*v_proj"],
    q_layer_name="*q_proj"
)
LLMTemplate.register_template(qwen3_5_moe_text_template)

# === NOTE: Change the following source and output dir as needed ===
src_ckpt_path = "Qwen/Qwen3.8-2.4T-A95B-FP8"
output_dir = "amd/Qwen3.8-2.4T-A95B-Quark-MXFP4"

quant_scheme = "mxfp4"
exclude_layers = [
    "lm_head",
    "*self_attn*",
    "*linear_attn*",
    "*mlp.gate",
    "*shared_expert*",
    "mtp.fc",
]
template = LLMTemplate.get("qwen3_5_moe_text")

quant_config = template.get_config(scheme=quant_scheme, exclude_layers=exclude_layers)

# Quantize with File2File mode to avoid loading full model
quantizer = ModelQuantizer(quant_config)
quantizer.direct_quantize_checkpoint(
    pretrained_model_path=src_ckpt_path,
    save_path=output_dir,
)

For further details or issues, please refer to the AMD-Quark documentation or contact the respective developers.

Evaluation

The model was evaluated on the GSM8K benchmark using the SGLang framework. The baseline is the original Qwen/Qwen3.8-2.4T-A95B-FP8 checkpoint.

Accuracy

BenchmarkQwen/Qwen3.8-2.4T-A95B-FP8amd/Qwen3.8-2.4T-A95B-Quark-MXFP4 (this model)Recovery
gsm8k97.4997.49100.00%

Reproduction

The GSM8K results were obtained on SGLang based on the docker image rocm/sgl-dev:v0.5.16-rocm720-mi35x-20260727 using the following recipe.

  1. Serve the model with SGLang:
 python3 -m sglang.launch_server \
    --model-path amd/Qwen3.8-2.4T-A95B-Quark-MXFP4 \
    --served-model-name amd/Qwen3.8-2.4T-A95B-Quark-MXFP4 \
    --tp-size 8 \
    --attention-backend aiter \
    --page-size 1 \
    --kv-cache-dtype auto \
    --chunked-prefill-size 16384 \
    --watchdog-timeout 1200 \
    --mem-fraction-static 0.9 \
    --model-loader-extra-config '{"enable_multithread_load": true}' \
    --trust-remote-code \
    --host 0.0.0.0 \
    --port 9001
  1. Evaluate the model
python3 -m sglang.test.run_eval \
    --port 9001 \
    --model amd/Qwen3.8-2.4T-A95B-Quark-MXFP4 \
    --eval-name gsm8k \
    --num-examples 1319 \
    --num-threads 512 \
    --max-tokens 2048 \
    --chat-template-kwargs '{"enable_thinking": false}'

License

Modifications Copyright(c) 2026 Advanced Micro Devices, Inc. All rights reserved.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
13dc967

0 моделей