/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_next · MoE
Базовая модель
Qwen3-Coder-Next
Библиотека
transformers
Опубликована
15 фев 2026

Qwen3-Coder-Next-GPTQ-4bit

Генерация текстаТекст → текст10 профессий

btbtyler09/Qwen3-Coder-Next-GPTQ-4bit — квантизированная версия Qwen3-Coder-Next, разработанного командой Qwen и дополнительно подготовленного пользователем btbtyler09.

2 187скачиваний за 30 дней0лайковвеса обновлены16 фев 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 языковая модель для генерации кода, общего чата и сценариев с вызовом инструментов, предназначенная для запуска в средах инференса vLLM и SGLang.

Модель использует архитектуру Qwen3NextForCausalLM с гибридом линейного и полного внимания, включая DeltaNet. Она построена по схеме Mixture-of-Experts: содержит около 80 млрд параметров, из которых примерно 3 млрд активируются для каждого токена; на каждом шаге выбираются 10 из 512 экспертов. Архитектура включает 48 слоёв, контекстное окно до 262 144 токенов и поддержку инструментального вызова. Экспертные модули квантизированы в INT4 методом GPTQ с размером группы 32, тогда как внимание, общие эксперты, эмбеддинги, нормализации и LM head сохранены в FP16. Размер модели составляет около 47 ГБ вместо примерно 160 ГБ у исходной BF16-версии.

К преимуществам относятся существенное уменьшение размера и требований к памяти при сохранении качества: на тесте wikitext-2-raw-v1 ухудшение perplexity относительно исходной модели составило около 0,8%. Ограничения связаны с необходимостью совместимого программного обеспечения и значительных вычислительных ресурсов для работы крупной MoE-модели; README не указывает точные языки, на которых она обучалась, и не приводит более подробных сравнений для задач программирования. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой модели.

Для каких профессий подходит10

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-Coder-Next GPTQ 4-bit

GPTQ 4-bit quantization of Qwen/Qwen3-Coder-Next, an 80B-parameter Mixture-of-Experts (MoE) coding model with 3B activated parameters per token.

Model Overview

  • Architecture: Qwen3NextForCausalLM (hybrid linear + full attention with DeltaNet)
  • Total parameters: ~80B
  • Activated parameters: ~3B per token (10 of 512 experts selected per token)
  • Layers: 48 (36 linear attention + 12 full attention, repeating 3:1 pattern)
  • Experts: 512 per layer + 1 shared expert per layer
  • Context length: 262,144 tokens
  • Supports: Tool calling, code generation, general chat

Quantization Details

All 73,728 MoE expert modules (512 experts x 3 projections x 48 layers) are quantized to INT4 using GPTQ. Non-expert modules remain at FP16 for quality preservation.

ComponentPrecisionNotes
MoE experts (gate_proj, up_proj, down_proj)INT4 (GPTQ)73,728 modules quantized
Attention (q_proj, k_proj, v_proj, o_proj)FP16Full precision
Linear attention (in_proj_qkvz, out_proj, in_proj_ba)FP16Full precision
Shared expertsFP16Full precision
Embeddings, LM head, normsFP16Full precision

GPTQ configuration:

  • Bits: 4
  • Group size: 32
  • Symmetric: Yes
  • desc_act: No
  • true_sequential: Yes
  • Failsafe: RTN for poorly-calibrated rare experts (7,650 of 73,728 modules, ~10.4%)

Calibration

  • Dataset: Mixed - evol-codealpaca-v1 (code) + C4 (general text)
  • Samples: 2,048 with context length binning (uniform distribution across 256-2048 token bins)
  • Quantizer: GPTQModel v5.7.0

See quantize.py for the full quantization script.

Model Size

VersionSizeCompression
BF16 (original)~160 GB-
GPTQ 4-bit47 GB3.4x

Perplexity

Evaluated on wikitext-2-raw-v1 (test set), seq_len=2048, stride=512:

ModelPerplexityDegradation
BF16 (original)6.9401-
GPTQ 4-bit6.9956+0.8%

Usage

vLLM (Recommended)

vllm serve btbtyler09/Qwen3-Coder-Next-GPTQ-4bit \
  --tensor-parallel-size 4 \
  --trust-remote-code \
  --quantization gptq \
  --max-model-len 32768

Tool Calling

This model supports tool calling via the Qwen3-Coder chat template. The quantized model includes:

  • chat_template.jinja - Chat template with tool support
  • qwen3coder_tool_parser_vllm.py - vLLM tool parser plugin
  • qwen3_coder_detector_sgl.py - SGLang tool detector

For vLLM tool calling:

vllm serve btbtyler09/Qwen3-Coder-Next-GPTQ-4bit \
  --tensor-parallel-size 4 \
  --trust-remote-code \
  --dtype float16 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder

Credits

License

This model inherits the Apache 2.0 license from the base model.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3NextForCausalLM
Ревизия весов
3f4b79c

0 моделей