/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.6-35B-A3B-NVFP4
Библиотека
gguf
Опубликована
26 июн 2026

Qwen3.6-35B-A3B-NVFP4-GGUF

Генерация текстаТекст → текст9 профессий

GGUF-квантизация Qwen3.6-35B-A3B для локальной генерации текста и диалогов с оптимизацией под видеокарты NVIDIA Blackwell.

248скачиваний за 30 дней9лайковвеса обновлены27 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 «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 GGUF модель Qwen3.6-35B-A3B NVFP4 от mudler, предназначенная для генерации текста и диалогов при локальном запуске через llama.cpp и LocalAI. В основе — смесь экспертов с примерно 3 млрд активных параметров на токен; файл размером около 23,9 ГБ сохраняет тензоры в нативном NVFP4 без повторной квантизации в целочисленный формат.

Модель ориентирована на обслуживание запросов с низким расходом памяти и высокой пропускной способностью, особенно на видеокартах NVIDIA Blackwell. На другом оборудовании она также может запускаться с деквантизацией NVFP4, но медленнее; на Apple Metal FP4-умножения могут выполняться на CPU. Карточка приводит замеры для GB10 / DGX Spark с конфигурацией LocalAI и сообщает о производительности декодирования около 86% от vLLM при конкуренции 128 запросов.

Лицензия указана как other, поэтому условия использования следует уточнить в исходной карточке базовой модели и репозитория. Контекстное окно и поддерживаемые естественные языки в предоставленных данных не описаны.

Сценарии применения

  • локальный запуск чат-модели через LocalAI
  • генерация ответов на пользовательские запросы
  • обслуживание параллельных текстовых запросов на GPU Blackwell

Ограничения

Для полной скорости нативных FP4-операций рекомендуется GPU NVIDIA Blackwell; на другом оборудовании деквантизация может замедлить работу, а на Apple Metal вычисления могут перейти на CPU. Контекстное окно и поддерживаемые языки в предоставленных данных не указаны.

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

Qwen3.6-35B-A3B NVFP4 GGUF

NVFP4 (native Blackwell FP4) GGUF of Qwen3.6-35B-A3B (Mixture-of-Experts, ~3B active parameters per token). A single-file, FP4-native quantization that runs on LocalAI's paged-attention llama.cpp backend with strong decode throughput and a low memory footprint on Blackwell-class GPUs (GB10 / DGX Spark).

Blackwell GPU recommended (native FP4-MMA). It also runs on other hardware via NVFP4 dequant, but slower - off Blackwell the FP4 matmuls fall back (e.g. to CPU on Apple Metal). The throughput figures below are measured on GB10 / DGX Spark (consumer Blackwell).

File

FileSizefile_typeNVFP4 tensorssha256
q36-35b-a3b-nvfp4.gguf23.9 GB (23,850,227,680 bytes)MOSTLY_NVFP42411690d0424e232527b8bb135a38033e4699ad11817677eebacd40349020faea52

Source / attribution

  • Weights: MoE NVFP4 weights from nvidia/Qwen3.6-35B-A3B-NVFP4.
  • Conversion: converted to GGUF with llama.cpp using --outtype auto (NVFP4-preserving). The NVFP4 tensors are carried through into the GGUF unchanged, so the file reports file_type = MOSTLY_NVFP4 with 241 native NVFP4 tensors. No re-quantization to an integer K-quant is performed.

base_model: nvidia/Qwen3.6-35B-A3B-NVFP4

License

Released under the Qwen license (see https://huggingface.co/Qwen/Qwen3.6-35B-A3B/blob/main/LICENSE). This repository redistributes the converted GGUF with attribution to the upstream weights; the original model license and terms apply.

Install in LocalAI

This model is pre-configured in the LocalAI model gallery for the paged-attention backend - install it by name and it is ready to serve, with no manual configuration.

Gallery model name: qwen3.6-35b-a3b-nvfp4-paged

Heads-up - the backend is not in a release yet. The llama-cpp-localai-paged backend and these gallery entries ship in LocalAI PR #10462, which is not yet merged. Until it lands, run LocalAI built from that PR branch. Once it is merged, a current LocalAI release already includes the backend and this gallery entry - nothing extra needed.

Install from the CLI:

local-ai models install qwen3.6-35b-a3b-nvfp4-paged

Or from the WebUI: open the Models gallery, search qwen3.6-35b-a3b-nvfp4-paged, and click Install.

Then call it through the OpenAI-compatible API:

curl http://localhost:8080/v1/chat/completions -H "Content-Type: application/json" -d '{
  "model": "qwen3.6-35b-a3b-nvfp4-paged",
  "messages": [{"role": "user", "content": "Hello!"}]
}'

Pre-configured serving config

The gallery entry already applies the optimized paged setup the benchmarks below use - no tuning required:

  • Paged KV cache (on-demand, paged-attention backend)
  • Decode-first prefill budget (prefill scheduled to keep decode latency low)
  • Flash attention
  • Optional bf16-SSM fast mode via the ssm_bf16_tau option (see Benchmarks)

LocalAI: https://github.com/mudler/LocalAI

Benchmarks

Measured on GB10 / DGX Spark with the LocalAI paged-attention setup:

  • Decode throughput reaches ~86% of vLLM at 128-way concurrency (bit-exact, MoE active-expert path).
  • 1.5-3x lower memory than the comparable vLLM deployment.
  • At equal-or-higher precision (NVFP4 native execution).
  • The opt-in bf16-SSM fast mode (ssm_bf16_tau) closes most of the remaining gap.

Verification

sha256sum q36-35b-a3b-nvfp4.gguf
# 1690d0424e232527b8bb135a38033e4699ad11817677eebacd40349020faea52

SHA256SUMS.txt (covering both NVFP4 GGUFs in this collection) is included in the repo.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
eefa564

0 моделей