/ Модель

Характеристики

Лицензия
openmdw-1.1
Опубликована
12 авг 2026

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-ROCmFP4-GGUF

Генерация текстаТекст → текст9 профессий

Квантованная в экспериментальный формат ROCmFP4 базовая языковая модель NVIDIA Nemotron 3.5 Lightning для локальной генерации текста на совместимом оборудовании AMD.

693скачиваний за 30 дней2лайкавеса обновлены22 авг 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

julianmb опубликовал экспериментальные GGUF-квантизации базовой модели NVIDIA Nemotron 3.5 Lightning 30B-A3B из BF16 с использованием семейства ROCmFP4. Это языковая модель для генерации текста с гибридной архитектурой Mamba-2, Attention и MoE: 52 слоя, около 31,6 млрд параметров всего и 3,5 млрд активных на токен; задействуются 6 из 128 маршрутизируемых экспертов и один общий эксперт. Заявленная длина контекста — 262 144 токена.

В репозитории есть три варианта квантования, ориентированные на разные компромиссы скорости и качества, включая профиль для AMD Strix Halo. Карточка сообщает результаты замеров производительности и perplexity на указанном оборудовании; они не гарантируют такие же показатели на других системах. Модель предназначена для локального запуска через специальный форк ROCmFPX llama.cpp: нестандартные типы тензоров ROCmFP4 не загружаются в основной версии llama.cpp. Конвертацию выполнил julianmb, исходные веса и архитектура — NVIDIA. Лицензия — OpenMDW-1.1.

Сценарии применения

  • локальная генерация ответов и продолжений текста
  • запуск языковой модели с длинным контекстом
  • генерация кода и структурированного JSON с профилем COHERENT
  • экспериментальная оценка производительности Nemotron на AMD Strix Halo

Ограничения

Для загрузки нужен специальный форк ROCmFPX llama.cpp: основной llama.cpp не поддерживает нестандартные типы тензоров этой модели. Производительность и приведённые показатели качества измерены на AMD Strix Halo и могут отличаться на другом оборудовании.

Для каких профессий подходит9

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

NVIDIA Nemotron 3.5 Lightning 30B-A3B — ROCmFP4 GGUF

Quantized GGUF conversions of NVIDIA Nemotron 3.5 Lightning 30B-A3B Base (BF16) using the experimental ROCmFPX quantization family from the ROCmFPX llama.cpp fork.

IMPORTANT: These files use custom Q4_0_ROCMFP4_* GGUF tensor types. They are not loadable by mainline llama.cpp. You must build/run the ROCmFPX fork (see how_to_use.md). They are tuned and validated on AMD Strix Halo / RDNA3.5 (gfx1151), with HIP/ROCm and Vulkan kernel support (plus CPU reference paths).

Note on Hugging Face Hub metadata: The Hub warning "We're not able to determine the quantization variants" is expected because Q4_0_ROCMFP4_* are experimental, non-standard GGUF types. The table below is authoritative.

Files

FilePresetbpwSizeNotes
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-ROCmFP4-STRIX_LEAN.ggufQ4_0_ROCMFP4_STRIX_LEAN~4.3815.73 GiBRecommended. Strix Halo K/V recipe + Q5_K token embeddings
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-ROCmFP4-FAST.ggufQ4_0_ROCMFP4_FAST~4.2515.66 GiBSpeed-first single-scale layout
NVIDIA-Nemotron-3.5-Lightning-30B-A3B-ROCmFP4-COHERENT.ggufQ4_0_ROCMFP4_COHERENT~4.7016.74 GiBAgent/tool/JSON/code preset (protected embeddings + Q8_0)

All files are quantized from the BF16 source (recommended quality path) and advertise context_length = 262144 (the model's real max_position_embeddings).

Note: Token embeddings for 2688 hidden dimensions fall back from Q5_K/Q6_K to Q5_1/Q8_0 because 2688 is not divisible by 256.

Model overview

  • Architecture: nemotron_h_moe (hybrid Mamba2 / Attention / MoE)
  • 52 layers: 23 Mamba2 + 6 Attention + 23 MoE
  • 128 routed experts, 6 active (A3B), 1 shared expert
  • ~31.6B total params (3.5B active per token, A3B)
  • Vocabulary: 131072 · Context: 262144 (256K)
  • License: OpenMDW-1.1 (see LICENSE)

Quality & Benchmarks

PresetVulkan0 Prompt (pp512)Vulkan0 Decode (tg128)ROCm0 Prompt (pp512)ROCm0 Decode (tg128)
FAST (Q4_0_ROCMFP4_FAST)1310.5 t/s86.0 t/s1079.3 t/s80.3 t/s
STRIX_LEAN (Q4_0_ROCMFP4_STRIX_LEAN)1299.7 t/s85.6 t/s1075.4 t/s79.4 t/s
COHERENT (Q4_0_ROCMFP4_COHERENT)1290.4 t/s81.6 t/s1302.2 t/s77.8 t/s

Perplexity: STRIX_LEAN scores 5.9936 ± 0.0358 on wikitext-2. Measured on Framework AMD Strix Halo (128 GB unified RAM, gfx1151, ROCm 7.2.3).

Speculative decoding (embedded MTP)

This model carries an MTP head that works well on its hybrid MoE architecture (unlike some other hybrids). Measured on Strix Halo with the tuned profile (draft-n 6 / p-min 0.60):

PathDecode
Bare (STRIX_LEAN)52.4 tok/s
+ embedded MTP🔥 84.5 – 95.2 tok/s

Draft acceptance ≈ 88%. Serve via halofpx (halofpx load nemotron-3.5-30b applies this profile automatically).

Quick start

See how_to_use.md for full instructions (build + run).

# 1. Build the ROCmFPX fork
git clone https://github.com/charlie12345/ROCmFPX.git
cd ROCmFPX && env JOBS=16 scripts/build-strix-rocmfp4-mtp.sh   # Strix Halo

# 2. Run on Vulkan (recommended on Strix Halo)
build-strix-rocmfp4/bin/llama-completion -m NVIDIA-Nemotron-3.5-Lightning-30B-A3B-ROCmFP4-STRIX_LEAN.gguf \
  -p "What is 2+2?" -n 64 -dev Vulkan0 -ngl 999 -fa on -c 8192

# 3. Or on HIP/ROCm (unified memory enables APUs/iGPUs)
HSA_OVERRIDE_GFX_VERSION=11.5.1 GGML_HIP_ENABLE_UNIFIED_MEMORY=1 \
  build-strix-rocmfp4/bin/llama-completion -m NVIDIA-Nemotron-3.5-Lightning-30B-A3B-ROCmFP4-STRIX_LEAN.gguf \
  -p "What is 2+2?" -n 64 -dev ROCm0 -ngl 999 -fa on -c 8192

Technical Notes & Findings

  • MTP/NextN head is not included in this conversion (the NemotronH converter skips mtp.* tensors for MoE models).
  • NVFP4 path analysis: We evaluated converting the native NVFP4 checkpoint. With our converter patches, native NVFP4 GGUF loads, but scores PPL 109.79 because runtime kernels do not integrate ModelOpt's companion scale2 factor (~1.4e-4). The clean BF16 → ROCmFP4 path is used for all delivered models.
  • Converter patches, reproduction scripts, and full benchmark notes are available in the companion repo: julianmb/nemotron-3.5-30b-a3b-rocmfp4 on GitHub.

Credits

  • Model: NVIDIA (weights, architecture, license: OpenMDW-1.1)
  • ROCmFPX / ROCmFP4 quantization + kernels: charlie12345/ROCmFPX
  • Conversion & quantization performed by: julianmb

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
c9328ef

0 моделей