/ Модель

Характеристики

Контекст
262 144 токена
Параметры
22,3 млрд
Размер весов
53,8 ГБ
Лицензия
Своя лицензия
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.6-27B
Библиотека
transformers
Опубликована
7 сен 2026

HyperPrune-Qwen3.6-27B-4to8

Генерация текстаТекст → текст6 профессий

Разреженная версия Qwen3.6-27B для генерации текста и диалогов с полуструктурированным прунингом 4:8.

173скачиваний за 30 дней0лайковвеса обновлены7 сен 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

elastix-ai выпустила HyperPrune-Qwen3.6-27B-4to8 — причинную языковую модель Qwen3.6-27B с полуструктурированной разреженностью 4:8, полученную прунингом. Чекпойнт рассчитан на генерацию текста и диалоговое применение; для загрузки используются Transformers и AutoModelForCausalLM. В метаданных указаны 22,3 млрд параметров и контекст до 262 144 токенов.

Прунинг выполнен во всех слоях декодера, с проверенной разреженностью около 50% в охваченном наборе модулей. В карточке приведены результаты perplexity на WikiText-2 по двум различающимся протоколам, поэтому их нельзя напрямую сравнивать между собой или с результатами, полученными по другим настройкам. README отмечает, что гиперсеть выбирала маску лишь для первых 200 выходных строк каждой проекции, а для остальных использовалась маска SparseGPT. Языки и условия лицензии подробно не раскрыты; метаданные обозначают лицензию как other.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • развёртывание языковой модели с разреженными весами
  • сравнение качества и perplexity разреженных LLM
  • эксперименты с полуструктурированным прунингом 4:8

Ограничения

В README качество показано через perplexity на WikiText-2 по двум протоколам, результаты которых не сопоставимы напрямую. Гиперсеть выбирает маску только для первых 200 выходных строк каждой проекции, а остальные используют маску SparseGPT.

Для каких профессий подходит6

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

HyperPrune-Qwen3.6-27B-4to8

Qwen/Qwen3.6-27B pruned to 4:8 semi-structured sparsity with HyperPrune (Sun & Sakuma, Learning Semi-Structured Sparsity for LLMs via Shared and Context-Aware Hypernetwork, ICLR 2026, OpenReview).

This is a reproduction run produced at Elastix as part of the BLADE sparsity-method comparison. It is plain sparse bf16/fp16 safetensors and loads with stock transformers:

from transformers import AutoModelForCausalLM, AutoTokenizer
m = AutoModelForCausalLM.from_pretrained("elastix-ai/HyperPrune-Qwen3.6-27B-4to8")
t = AutoTokenizer.from_pretrained("Qwen/Qwen3.6-27B")

What differs from the paper's own recipe

paper / repo defaultthis checkpoint
calibration corpusallenai/c4DKYoon/SlimPajama-6B, validation (BLADE's corpus)
pruned modulessee belowsee below

Everything else — hypernet architecture, both training stages, all learning rates, step counts, temperature, prior, row selection — is HyperPrune's own shipped setting.

Configuration

{
  "model": {
    "name_or_path": "Qwen/Qwen3.6-27B",
    "dtype": "bfloat16"
  },
  "data": {
    "dataset_name": "elastiml:elastix-ai/elastiml-calib-qwen3.6-27b",
    "num_samples": 128,
    "seq_len": 2048,
    "seed": 42
  },
  "sparsity": {
    "n": 4,
    "m": 8
  },
  "hypernet": {
    "type": "mlp",
    "hidden_dim": 256,
    "emb_dim": 64,
    "use_layer_emb": false,
    "use_comp_emb": false,
    "use_hessian_diag": true
  },
  "training": {
    "sup_steps": 12000,
    "sup_lr": 0.001,
    "ft_lr": 0.0003,
    "ft_nsamples": 4,
    "rows_per_step": 400,
    "cascade_inner_steps": 300,
    "ft_mode": "cascade",
    "tau": 0.5,
    "prior_source": "sparsegpt",
    "wanda_residual_alpha": 2.0,
    "compensated_propagation": true,
    "use_weight_compensation": true,
    "train_on_compensated": true,
    "fixed_rows_count": 200,
    "fixed_rows_pos": "first",
    "dense_layers_list": []
  },
  "output": {
    "save_dir": "/home/ubuntu/hyperprune_work/outputs/hp-qwen36_27b-4to8",
    "wanda_dir": "/home/ubuntu/hyperprune_work/outputs/hp-qwen36_27b-4to8_ref",
    "preserve_wanda_dir": false
  }
}

Measured

metricvalue
overall decoder sparsity (check_sparsity)0.5005 over the pruned scope; strict 4:8 verified
WikiText-2 PPL (HyperPrune eval_ppl.py, seqlen 2048)9.558
WikiText-2 word PPL (lm-eval-harness, BLADE's protocol)11.89
training wall-clock45.4 min
peak GPU during cascade FT14.05 GB
GPU1 x NVIDIA RTX PRO 6000 Blackwell (97 GB), CUDA 13.0, torch 2.13.0+cu130

Two things to know before comparing this number to the paper

1. Every decoder layer is pruned here. HyperPrune's own shipped configs set dense_layers_list: [0, 1], leaving 2 layers fully dense and yielding ~46.9 % sparsity rather than 50 %. This checkpoint prunes every layer, matching BLADE's four_eight_experts spec, so it is a true 4:8 model in the modules BLADE prunes.

2. Only a few percent of this mask was chosen by the hypernet. The shipped recipe sets fixed_rows_count: 200, so the hypernet decides the mask for the first 200 output rows of each projection and every remaining row keeps the SparseGPT prior's mask verbatim. This is HyperPrune's own default, kept here deliberately because the brief was to change nothing but the calibration corpus.

The two perplexity rows are different quantities and are not comparable to each other. The first is token-level PPL over concatenated WikiText-2 at seqlen 2048 (the Wanda/SparseGPT convention). The second is lm-evaluation-harness word_perplexity at max_length=2048, which is BLADE's protocol — pinned empirically by reproducing BLADE's dense LLaMA-2-7B value of 9.19 (measured 9.1915).

Provenance

Produced from HyperPrune commit 6d093d7 with a small set of documented patches (bias-dtype autocast, calibration loader, disk-peak reduction, and — for 4:8 checkpoints — the N:M generalization, which the reference implementation does not ship). See the reproduction report for the full diff.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
cccfa78

0 моделей