/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
336 МБ
Лицензия
MIT
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next
Библиотека
transformers
Опубликована
26 авг 2026

Qwen3.8-Flash-Next-0.2B-A0.2B

Изображение и текст → текст3 профессии

Тестовая уменьшенная версия Qwen3.8-Flash-Next для разработки и проверки мультимодальной архитектуры и загрузки чекпойнта.

1 248скачиваний за 30 дней2лайкавеса обновлены14 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 «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

Qwen3.8-Flash-Next-0.2B-A0.2B — уменьшенная тестовая версия Qwen/Qwen3.8-Flash-Next, созданная для проверки и разработки. Это мультимодальная модель на архитектуре Qwen4ExpForConditionalGeneration с текстовой частью и vision tower; в ней 0,16 млрд параметров, четыре слоя и уменьшенный скрытый размер. Сохранены компоненты исходной архитектуры, включая гибридное внимание и MoE-эксперты.

Модель предназначена для тестирования загрузки и структуры чекпойнта, а также для экспериментов с генерацией текста и обработкой изображений через интерфейс image-text-to-text. Веса были случайно инициализированы, затем модель дообучили на небольшом игрушечном текстовом наборе; она запоминает этот набор, поэтому не подходит для содержательного диалога или прикладного анализа изображений. Лицензия — MIT.

Сценарии применения

  • проверка загрузки модели через Transformers
  • тестирование структуры чекпойнта с MoE-экспертами
  • эксперименты с генерацией текста на игрушечном наборе
  • проверка мультимодального интерфейса обработки изображений

Ограничения

Веса преимущественно случайно инициализированы, а дообучение выполнено на небольшом игрушечном наборе; модель воспроизводит заученный текст и не предназначена для практических задач. README сообщает об успешном тестировании загрузки и генерации, но это не подтверждает качество содержательных ответов или анализа изображений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-Flash-Next-0.2B-A0.2B

This is a tiny version of Qwen/Qwen3.8-Flash-Next created for testing and development.

Model Details

  • Base Model: Qwen/Qwen3.8-Flash-Next
  • Architecture: Qwen4ExpForConditionalGeneration (hybrid MoE vision-language model)
  • Total Parameters: 0.16B
  • Activated Parameters: 0.16B (MoE, 4 of 8 routed experts per token)

The tiny model preserves every architectural component of the original: the hybrid attention schedule (linear_attention GatedDeltaNet layers and a qwen_sparse_attention QSA-indexer layer), Per-Layer Embedding (PLE) with hashed n-gram embeddings on layer 2, hyper-connections, packed 3D MoE experts + a shared expert, and the vision tower.

Configuration Changes

The following parameters were reduced from the original model:

FieldOriginalTiny
text.num_hidden_layers484
text.hidden_size2560256
text.num_attention_heads248
text.num_key_value_heads22
text.num_experts5128
text.num_experts_per_tok104
text.moe_intermediate_size640256
text.shared_expert_intermediate_size640256
text.ple_embed_dim2560256
text.ngram_vocab_size_base200000002048
text.vocab_size248320248320
vision.depth272
vision.hidden_size1152256
vision.intermediate_size4304512
vision.num_heads168

The layer_types schedule keeps one of each original attention type (["linear_attention", "linear_attention", "linear_attention", "qwen_sparse_attention"]), ple_layer_ids=[2] and split_ngram_parts=128 are unchanged from the original.

Checkpoint Structure

The checkpoint structure matches the original model. In particular:

  • MoE experts are stored as packed 3D tensors (...mlp.experts.gate_up_proj with shape (num_experts, 2*moe_intermediate_size, hidden_size) and ...mlp.experts.down_proj), matching the original repo. transformers' save_pretrained splits these into per-expert Linears, so a post-processing converter re-packs them to match the original layout.
  • The PLE n-gram embedding table is sharded into 128 parts (...ple.ple_embedding.ngram_embedding.shard_{i}), matching the original.
  • Weights use the model.language_model.*, model.visual.*, and lm_head.weight prefixes of the original VLM checkpoint.
  • MTP (multi-token-prediction) weights are intentionally omitted, per the tiny-model convention.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("inference-optimization/Qwen3.8-Flash-Next-0.2B-A0.2B", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("inference-optimization/Qwen3.8-Flash-Next-0.2B-A0.2B")

input_ids = tokenizer("According to all known laws", return_tensors="pt").input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=20)
print(tokenizer.decode(output[0]))

Note: this is a vision-language model; load it with Qwen4ExpForConditionalGeneration (or AutoModelForImageTextToText) if you need the vision tower. Requires transformers>=5.16 for the qwen4_exp model type.

Creation Process

This model was created using the llm-compressor create-tiny-model claude skill.

  1. The original config was loaded and shrunk (see the table above) while keeping every architectural component representable.
  2. The model was constructed directly from the reduced config with randomly initialized weights (avoiding the multi-hundred-GB original download).
  3. It was fine-tuned on a small toy text dataset to confirm it can learn.
  4. The saved checkpoint was converted so its MoE experts are packed to match the original checkpoint structure, then validated to load and generate correctly.

Notes

  • Fine-tuning converged to a perplexity of ~1.02 on the toy dataset; the model reproduces the memorized text under greedy decoding.
  • The packed-expert checkpoint loads to a bit-identical loss versus the pre-conversion per-expert checkpoint, and its tensor structure matches the original repo exactly .

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen4ExpForConditionalGeneration
Ревизия весов
6c4da2e

0 моделей