/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
360 ГБ
Лицензия
Apache 2.0
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next
Библиотека
transformers
Опубликована
8 сен 2026

cyberneurova-Qwen3.8-Flash-Next

Изображение и текст → текст15 профессий

Мультимодальный помощник CyberNeurova на базе Qwen3.8-Flash-Next для диалога, рассуждений, программирования, анализа изображений и вызова инструментов.

233скачиваний за 30 дней2лайкавеса обновлены11 сен 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

CyberNeurova разработала эту мультимодальную разговорную модель на основе Qwen/Qwen3.8-Flash-Next. Она принимает текст и изображения и предназначена для диалога, рассуждений, программирования, ответов на вопросы по изображениям и работы с инструментами. Модель использует разреженную MoE-архитектуру: заявлены 125 млрд параметров всего и около 6 млрд активных на токен; контекст — 262 тыс. токенов с возможностью расширения до 1 млн с помощью YaRN. Поддерживается явный режим рассуждений, а стиль ответа можно задавать системным промптом.

Разработчик позиционирует модель как нейтрального помощника с уменьшенным числом встроенных отказов; заявлено, что рассуждения, программирование и общие знания сохранены. Для запуска в README приведена конфигурация vLLM с выделенным образом для этой архитектуры. Модель распространяется по лицензии Apache-2.0. Уменьшение числа отказов означает, что поведение и безопасность ответов сильнее зависят от системного промпта и приложения; заявленные характеристики производительности и качества в предоставленных материалах независимо не подтверждены.

Сценарии применения

  • ответы на вопросы по изображениям
  • многошаговые рассуждения в диалоге
  • помощь с написанием и анализом кода
  • диалоговый помощник с настраиваемым стилем
  • вызов инструментов в агентном приложении

Ограничения

Встроенные отказы сокращены, поэтому поведение и безопасность ответов сильнее зависят от системного промпта и приложения. Заявленные скорость и сохранение возможностей не подтверждены независимыми результатами в предоставленных материалах.

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

cyberneurova-Qwen3.8-Flash-Next

An uncensored, neutral assistant built by CyberNeurova on top of Qwen/Qwen3.8-Flash-Next. It answers directly and does not add unsolicited disclaimers, warnings, or caveats. Whatever tone or policy you want is set entirely by your own system prompt.

💬 Chat with it: cyberneurova.ai ✉️ Support: support@cyberneurova.com

Highlights

  • Ultra-sparse MoE — 125B total parameters, ~6B active per token, so it runs far faster than a dense model its size.
  • 262K native context (extendable to 1M with YaRN), multilingual, tool-calling.
  • Reasoning model — supports an explicit thinking trace, and is uncensored in both modes: with thinking on and with thinking off.
  • Multimodal — understands images as well as text.
  • Direct by default; fully steerable — send a system prompt and it is honored verbatim, with no default behavior merged in.
  • Capability preserved. Reasoning, coding, and general knowledge are intact; only the refusal behavior is removed.

Usage (vLLM)

Qwen3.8-Flash-Next uses a new architecture, so serve it with the dedicated vLLM image:

docker run --gpus all --ipc=host -p 8000:8000 \
  -e VLLM_PLE_CPU_OFFLOAD=1 \
  -v /path/to/cyberneurova-Qwen3.8-Flash-Next:/model \
  vllm/vllm-openai:qwen38-flash-next \
  --model /model --served-model-name cyberneurova-Qwen3.8-Flash-Next \
  --tensor-parallel-size 8 --max-num-seqs 256

Requires Hopper-class GPUs (H100/H200) or newer for the sparse-attention kernels.

from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="x")

r = client.chat.completions.create(
    model="cyberneurova-Qwen3.8-Flash-Next",
    messages=[{"role": "user", "content": "Write a Python function to parse a CSV."}],
    max_tokens=2000,
)
print(r.choices[0].message.content)

Setting the tone

Send your own system prompt to control style completely — e.g. for terse, no-preamble answers:

You are a direct technical assistant. Answer the question and nothing else.

Notes

  • This is a reasoning model. Responses may include a thinking trace followed by the answer — render the final answer; the trace is optional. It works uncensored whether thinking is enabled or disabled.
  • Give it room to reason: set max_tokens to at least 1500 (2000–4000 for code), or long answers may be cut off.

Disclaimer

This model has reduced built-in refusals. You are responsible for how you use it and for complying with all applicable laws. Provided as-is, without warranty.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры
Qwen4ExpForConditionalGeneration
Ревизия весов
2679bdb

0 моделей