/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
18,2 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-235B-A22B
Библиотека
Model Optimizer
Опубликована
8 июл 2025

Qwen3-235B-A22B-NVFP4

Генерация текстаТекст → текст13 профессий

Квантованная в FP4 модель Qwen3-235B-A22B для генерации текста в чат-ботах, агентных системах и приложениях RAG.

30 117скачиваний за 30 дней25лайковвеса обновлены8 июл 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

NVIDIA Qwen3-235B-A22B-NVFP4 — квантованная версия авторегрессионной языковой модели Qwen3-235B-A22B от Alibaba, подготовленная NVIDIA с помощью TensorRT Model Optimizer. Это разреженная модель архитектуры Qwen3 MoE с общим числом 18,2 млрд параметров; веса и активации линейных операторов в блоках трансформера представлены в FP4. По данным карточки, такая оптимизация уменьшает требования к диску и видеопамяти примерно в 3,3 раза относительно 16-битного варианта.

Модель принимает текст и генерирует текст. Она предназначена для развертывания в чат-ботах, агентных системах, приложениях RAG и других приложениях на базе ИИ; каталог также указывает интерфейс для вызова инструментов. Метаданные задают нативный контекст в 40 960 токенов, тогда как README заявляет до 131K токенов. Предпочтительная среда запуска — TensorRT-LLM на GPU NVIDIA Blackwell под Linux.

Квантованный вариант рассчитан на более компактный и быстрый инференс, но доступные сведения не позволяют оценить возможные потери качества для конкретных задач. README не раскрывает обучающие данные и указывает автоматическую калибровку на CNN/DailyMail. Лицензия — Apache-2.0; карточка заявляет возможность коммерческого и некоммерческого использования.

Сценарии применения

  • создание ответов в чат-боте
  • генерация текста для агентной системы с вызовом инструментов
  • ответы на вопросы по документам в приложении RAG
  • развертывание языковой модели с пониженными требованиями к видеопамяти
  • генерация текста в TensorRT-LLM на GPU NVIDIA Blackwell

Ограничения

Для запуска указан стек TensorRT-LLM, GPU NVIDIA Blackwell и Linux, что ограничивает выбор аппаратуры и среды развертывания. Возможное влияние FP4-квантизации на качество не охарактеризовано; заявленная длина контекста расходится между README (до 131K) и метаданными (40 960 токенов).

Для каких профессий подходит13

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

Model Overview

Description:

The NVIDIA Qwen3-235B-A22B FP4 model is the quantized version of Alibaba's Qwen3-235B-A22B model, which is an auto-regressive language model that uses an optimized transformer architecture. For more information, please check here. The NVIDIA Qwen3-235B-A22B FP4 model is quantized with TensorRT Model Optimizer.

This model is ready for commercial/non-commercial use.

Third-Party Community Consideration

This model is not owned or developed by NVIDIA. This model has been developed and built to a third-party’s requirements for this application and use case; see link to Non-NVIDIA (Qwen3-235B-A22B) Model Card.

License/Terms of Use:

Apache license 2.0

Deployment Geography:

Global

Use Case:

Developers looking to take off the shelf pre-quantized models for deployment in AI Agent systems, chatbots, RAG systems, and other AI-powered applications.

Release Date:

Huggingface 08/22/2025 via https://huggingface.co/nvidia/Qwen3-235B-A22B-FP4

Model Architecture:

Architecture Type: Transformers Network Architecture: Qwen3-235B-A22B

Input:

Input Type(s): Text Input Format(s): String Input Parameters: 1D (One-Dimensional): Sequences Other Properties Related to Input: Context length up to 131K

Output:

Output Type(s): Text Output Format: String Output Parameters: 1D (One-Dimensional): Sequences Other Properties Related to Output: N/A

Our AI models are designed and/or optimized to run on NVIDIA GPU-accelerated systems. By leveraging NVIDIA’s hardware (e.g. GPU cores) and software frameworks (e.g., CUDA libraries), the model achieves faster training and inference times compared to CPU-only solutions.

Software Integration:

Supported Runtime Engine(s):

  • TensorRT-LLM

Supported Hardware Microarchitecture Compatibility:

  • NVIDIA Blackwell

Preferred Operating System(s):

  • Linux

Model Version(s):

The model is quantized with nvidia-modelopt v0.31.0

Training, Testing, and Evaluation Datasets:

Calibration Dataset:

** Link: cnn_dailymail ** Data collection method: Automated. ** Labeling method: Automated.

Training Datasets:

** Data Collection Method by Dataset: Undisclosed ** Labeling Method by Dataset: Undisclosed ** Properties: Undisclosed

Testing Dataset:

** Data Collection Method by Dataset: Undisclosed ** Labeling Method by Dataset: Undisclosed ** Properties: Undisclosed

Evaluation Dataset:

  • Datasets: MMLU Pro, GPQA Diamond, HLE, LiveCodeBench, SciCode, HumanEval, AIME 2024, MATH-500 ** Data collection method: Hybrid: Automated, Human ** Labeling method: Hybrid: Human, Automated

Inference:

Engine: TensorRT-LLM Test Hardware: B200

Post Training Quantization

This model was obtained by quantizing the weights and activations of Qwen3-235B-A22B to FP4 data type, ready for inference with TensorRT-LLM. Only the weights and activations of the linear operators within transformer blocks are quantized. This optimization reduces the number of bits per parameter from 16 to 4, reducing the disk size and GPU memory requirements by approximately 3.3x.

Usage

Deploy with TensorRT-LLM

To deploy the quantized checkpoint with TensorRT-LLM LLM API, follow the sample codes below:

  • LLM API sample usage:
from tensorrt_llm import LLM, SamplingParams


def main():

    prompts = [
        "Hello, my name is",
        "The president of the United States is",
        "The capital of France is",
        "The future of AI is",
    ]
    sampling_params = SamplingParams(temperature=0.8, top_p=0.95)

    llm = LLM(model="nvidia/Qwen3-235B-A22B-FP4", tensor_parallel_size=4)

    outputs = llm.generate(prompts, sampling_params)

    # Print the outputs.
    for output in outputs:
        prompt = output.prompt
        generated_text = output.outputs[0].text
        print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")


# The entry point of the program needs to be protected for spawning processes.
if __name__ == '__main__':
    main()

Evaluation

The accuracy benchmark results are presented in the table below:

Ethical Considerations

NVIDIA believes Trustworthy AI is a shared responsibility and we have established policies and practices to enable development for a wide array of AI applications. When downloaded or used in accordance with our terms of service, developers should work with their internal model team to ensure this model meets requirements for the relevant industry and use case and addresses unforeseen product misuse.

Please report model quality, risk, security vulnerabilities or NVIDIA AI Concerns here.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
21cfa2c

0 моделей