Экспериментальный чекпойнт Nemotron-3 Nano с GSQ-сжатием маршрутизируемых экспертов для исследований и генерации текста.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это экспериментальный исследовательский чекпойнт семейства NVIDIA Nemotron-3 Nano-30B-A3B с маршрутизируемыми экспертами. Веса экспертов сжаты методом GSQ: групповой размер 64, 2-битные коды и BF16-масштабы групп; средняя точность этих весов составляет 2,25 бита. Остальные веса хранятся в BF16, а веса в репозитории представлены как BF16-тензоры после деквантизации. Модель загружается через Transformers или vLLM.
Чекпойнт предназначен для исследовательских экспериментов с низкобитным сжатием моделей и генерацией текста. Метаданные указывают архитектуру Nemotron H, контекст до 262144 токенов, а также возможности диалога и интерфейс вызова инструментов. По карточке нельзя установить конкретные языки применения. Лицензия наследуется от базовой модели; её условия следует сверять с лицензией базовой модели.
В README чекпойнт обозначен как внутренний исследовательский; его качество и пригодность для прикладного использования не описаны. Условия лицензии зависят от базовой модели.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Internal research checkpoint. Routed experts average 2.25 bits; every other weight is BF16.
Weights are stored dequantized in BF16 tensors and load with stock transformers / vLLM.
GSQ baseline (group size 64, 2-bit packed codes with bf16 group scales), dequantized to BF16. This is the GSQ row of the Nemotron block in the main table.
| Routed-expert average | 2.25 bits |
| Internal ID | r35 |
License follows the base model.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…