/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
69,3 ГБ
Архитектура
qwen3_5_moe · dense
Библиотека
transformers
Опубликована
26 июн 2026

Qwen3.6-35B-A3B-UD-Q4KM-dequant-bf16-vllm

Изображение и текст → текст

Преобразованная в BF16 версия Qwen3.6-35B-A3B для текстовой диалоговой генерации и запуска через vLLM.

37скачиваний за 30 дней0лайковвеса обновлены26 июн 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 «Изображение → 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 преобразованная в формат safetensors модель Qwen3.6-35B-A3B, подготовленная для запуска через vLLM. Разработчик репозитория exolabs восстановил веса из GGUF-квантизации UD-Q4_K_M, преобразовал тензоры в совместимый с Hugging Face формат и сохранил их в BF16; конфигурация и токенизатор взяты из Qwen/Qwen3.6-35B-A3B. Архитектура — разреженная MoE-модель семейства Qwen3.5, рассчитанная на диалоговую генерацию текста и интерфейс вызова инструментов.

Несмотря на тег image-text-to-text и поддержку зрения в метаданных, в этом репозитории отсутствует визуальная башня базовой модели. README прямо указывает, что модель следует обслуживать в текстовом режиме с параметром --language-model-only. Для запуска приведена конфигурация vLLM с контекстом 4096 токенов и требованиями к GPU; автор сообщает об успешной проверке загрузки и короткой генерации на H200. Модель предназначена для использования через vLLM; лицензия в предоставленных данных не указана.

Сценарии применения

  • диалоговая генерация текста через vLLM
  • развёртывание Qwen3.6 на GPU с поддержкой BF16
  • интеграция языковой модели в приложение через API совместимый с vLLM
  • текстовые запросы к модели с интерфейсом вызова инструментов

Ограничения

Визуальная башня отсутствует, поэтому данную сборку следует использовать только для текста с режимом language-model-only. Проверка генерации описана для H200; иные конфигурации оборудования в README не подтверждены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-35B-A3B UD-Q4_K_M GGUF dequantized to BF16 for vLLM

Source GGUF: unsloth/Qwen3.6-35B-A3B-GGUF, file Qwen3.6-35B-A3B-UD-Q4_K_M.gguf.

Base config/tokenizer: Qwen/Qwen3.6-35B-A3B. Weights come from the GGUF, not the HF base checkpoint.

Conversion: GGUF tensors were dequantized to fp32, Qwen GDN layout transforms were reversed, Qwen RMSNorm offset tensors were converted to HF format, MoE gate/up expert tensors were fused into experts.gate_up_proj, and tensors were cast once to BF16 before writing sharded safetensors.

Validation on an H200 with vLLM 0.23.0:

  • 733 GGUF tensors mapped to 693 safetensor keys because 40 expert gate/up tensor pairs are fused.
  • Transformers CUDA load and short generation passed. The base visual tower is intentionally absent; serve this as text-only with --language-model-only.
  • Numeric checks passed with max_abs_vs_bf16=0, including fused MoE gate/up halves; quantized matrix error vs fp32 direct dequant was BF16-scale (max_rel_vs_fp32 ~= 0.00389).
  • vLLM /v1/completions smoke passed with Triton attention, Triton GDN prefill, and Triton MoE backend.

Recommended serve command:

VLLM_USE_FLASHINFER_SAMPLER=0 vllm serve exolabs/Qwen3.6-35B-A3B-UD-Q4KM-dequant-bf16-vllm \
  --served-model-name qwen36-35b-a3b-gguf-udq4km-bf16 \
  --dtype bfloat16 \
  --max-model-len 4096 \
  --gpu-memory-utilization 0.85 \
  --attention-backend triton_attn \
  --gdn-prefill-backend triton \
  --moe-backend triton \
  --trust-remote-code \
  --language-model-only

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_5MoeForConditionalGeneration
Ревизия весов
8923b40

0 моделей