/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-Coder-30B-A3B-Instruct
Библиотека
transformers
Опубликована
13 июл 2026

Qwen3-Coder-30B-A3B-Instruct-AWQ

Генерация текстаТекст → текст10 профессий

Qwen3-Coder-30B-A3B-Instruct-AWQ — квантизированная версия модели Qwen3-Coder-30B-A3B-Instruct, разработанная сообществом dark-side-of-the-code.

11 087скачиваний за 30 дней1лайквеса обновлены13 июл 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 предназначена прежде всего для генерации и редактирования программного кода, агентных сценариев с вызовом инструментов и других задач text generation. Указана поддержка английского языка и библиотеки Transformers.

Это Mixture-of-Experts-модель с 128 экспертами, из которых для каждого токена активируются 8. Она использует внимание GQA и имеет 30B параметров при обозначении активной части как A3B. Данная версия сжата методом AWQ в формате W4A16 с 4-битными весами, размером группы 128 и занимает около 15,5 ГБ, что позволяет запускать её на одной видеокарте с 24 ГБ памяти. Базовая модель поддерживает контекст до 262K токенов, однако для 24 ГБ GPU практическим ограничением указано 64K токенов.

Сильные стороны модели — эффективный запуск на потребительских GPU, корректная генерация кода, работа с tool calls через parser qwen3_coder в vLLM и пригодность для локальных агентных циклов чтения, редактирования и тестирования. Ограничения связаны с потерями и компромиссами квантизации, практическим ограничением контекста при запуске на 24 ГБ GPU и заявленной языковой поддержкой только английского. Модель распространяется по лицензии Apache-2.0.

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-30B-A3B-Instruct-AWQ

AWQ W4A16 (4-bit weights, group size 128) quantization of Qwen/Qwen3-Coder-30B-A3B-Instruct, produced with llm-compressor for serving on a single 24 GB GPU with vLLM.

~15.5 GB — fits an RTX 4090 with room for a large KV cache.

Quantization

MethodAWQ, W4A16, group size 128
Formatcompressed-tensors (pack-quantized)
Ignoredlm_head, MoE router (mlp.gate)
Calibration64 samples of HuggingFaceH4/ultrachat_200k, seq len 1024
MoEmoe_calibrate_all_experts=True — every calibration token is routed through all 128 experts, so each expert is calibrated

Qwen3-Coder-30B-A3B is a Mixture-of-Experts model (128 experts, 8 active per token) using standard GQA attention — so it serves on consumer Ada GPUs with the stock attention backends, no special kernels required.

Serving with vLLM

vllm serve dark-side-of-the-code/Qwen3-Coder-30B-A3B-Instruct-AWQ \
    --max-model-len 65536 \
    --kv-cache-dtype fp8 \
    --gpu-memory-utilization 0.95 \
    --enable-auto-tool-choice \
    --tool-call-parser qwen3_coder \
    --override-generation-config '{"temperature":0.7,"top_p":0.8,"top_k":20}'

Notes:

  • At --max-model-len 65536 on a 24 GB card the KV pool holds ~118K tokens (~1.8x concurrency). The base model's native context is 262K; 64K is the practical cap at 24 GB.
  • Tool calling works via vLLM's first-class qwen3_coder parser.
  • Non-thinking model — no reasoning parser needed.
  • Pass --override-generation-config if your client doesn't send sampling params, or vLLM will default to temperature=1.0, which is far too hot for coding.

Validation

Verified after quantization: correct code generation, working tool_calls through the qwen3_coder parser, and coherent prose output.

Selected as the local agentic coding model in a head-to-head evaluation driven by the Pi coding agent, where it reliably executed a read/edit/test tool loop.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
767234b

0 моделей