/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-Coder-30B-A3B-Instruct
Опубликована
6 ноя 2025

Qwen3-Coder-30B-A3B-Instruct-f32

Генерация текстаТекст → текст10 профессий

GGUF-конверсия инструктивной модели Qwen3-Coder для локальной генерации кода, чат-сценариев и агентной работы.

353скачиваний за 30 дней1лайквеса обновлены7 ноя 2025

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 сообщественная конверсия модели Qwen/Qwen3-Coder-30B-A3B-Instruct в формат GGUF, подготовленная Geoff Munn для локального запуска через llama.cpp и совместимые приложения. В основе — инструктивная языковая MoE-модель Qwen для программирования, агентных сценариев и работы с длинным контекстом до 262 144 токенов; в этой версии используется точность FP32.

Модель можно применять для генерации кода и ответов в чат-интерфейсах, а также в сценариях с RAG и инструментами. Репозиторий предлагает производные квантизации от FP32; README отмечает, что FP32 требует примерно вдвое больше памяти, чем FP16, и обычно не даёт преимуществ при инференсе, поэтому его позиционируют преимущественно для отладки, исследований и сравнения результатов. Поддерживаются английский, китайский, испанский, французский, немецкий, русский, арабский, японский, корейский и хинди. Лицензия — Apache-2.0; автор указывает, что это сторонняя конверсия, не связанная с Alibaba Cloud или командой Qwen.

Сценарии применения

  • генерация и дополнение программного кода
  • ответы на вопросы по коду
  • локальный чат с языковой моделью
  • подключение LLM к инструментам и агентным сценариям
  • ответы по документам в RAG-системах

Ограничения

Версия FP32 требует значительно больше памяти, чем FP16, и, согласно README, обычно не улучшает качество вывода; сама модель унаследовала ограничения базовой модели, которые в карточке подробно не описаны.

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-f32-GGUF

This is a GGUF-quantized version of the Qwen/Qwen3-Coder-30B-A3B-Instruct language model.

Converted for use with llama.cpp, LM Studio, OpenWebUI, GPT4All, and more.

Why f32?

This model uses FP32 (32-bit floating point) as its base precision. This is unusual for GGUF models because:

  • FP32 doubles memory usage vs FP16.
  • Modern LLMs (including Qwen3) are trained in mixed precision and do not benefit from FP32 at inference time.
  • Only useful for debugging, research, or extreme numerical robustness.

F16 is probably a better choice, but you can use this to compare the difference in outputs (if any).

💡 Key Features of Qwen3-Coder-30B-A3B-Instruct:

Available Quantizations (from f32)

LevelQualitySpeedSizeRecommendation
Q2_KMinimal⚡ Fast11.3 GBOnly on severely memory-constrained systems.
Q3_K_SLow-Medium⚡ Fast13.3 GBMinimal viability; avoid unless space-limited.
Q3_K_MLow-Medium⚡ Fast14,7 GBAcceptable for basic interaction.
Q4_K_SPractical⚡ Fast17.5 GBGood balance for mobile/embedded platforms.
Q4_K_MPractical⚡ Fast18.6 GBBest overall choice for most users.
Q5_K_SMax Reasoning🐢 Medium21.1 GBSlight quality gain; good for testing.
Q5_K_MMax Reasoning🐢 Medium21.7 GBBest quality available. Recommended.
Q6_KNear-FP16🐌 Slow25.1 GBDiminishing returns. Only if RAM allows.
Q8_0Lossless*🐌 Slow32.5 GBMaximum fidelity. Ideal for archival.

💡 Recommendations by Use Case

  • 💻 Standard Laptop (i5/M1 Mac): Q5_K_M (optimal quality)
  • 🧠 Reasoning, Coding, Math: Q5_K_M or Q6_K
  • 🔍 RAG, Retrieval, Precision Tasks: Q6_K or Q8_0
  • 🤖 Agent & Tool Integration: Q5_K_M
  • 🛠️ Development & Testing: Test from Q4_K_M up to Q8_0

Usage

Load this model using:

  • OpenWebUI – self-hosted AI interface with RAG & tools
  • LM Studio – desktop app with GPU support
  • GPT4All – private, offline AI chatbot
  • Or directly via llama.cpp

Each quantized model includes its own README.md and shares a common MODELFILE.

Author

👤 Geoff Munn (@geoffmunn)
🔗 Hugging Face Profile

Disclaimer

This is a community conversion for local inference. Not affiliated with Alibaba Cloud or the Qwen team.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
9c50d27

0 моделей