/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_next · MoE
Базовая модель
Qwen3-Next-80B-A3B-Thinking
Библиотека
Model Optimizer
Опубликована
11 дек 2025

Qwen3-Next-80B-A3B-Thinking-NVFP4

Генерация текстаТекст → текст15 профессий

NVIDIA Qwen3-Next-80B-A3B-Thinking NVFP4 — квантизированная версия авторегрессионной языковой модели Qwen3-Next-80B-A3B-Thinking, разработанной Alibaba и подготовленной NVIDIA с использованием TensorRT Model Optimizer.

814скачиваний за 30 дней66лайковвеса обновлены9 фев 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

Модель предназначена для коммерческого и некоммерческого применения в AI Agent-системах, чат-ботах, RAG-системах и других приложениях на основе генерации текста.

Модель использует архитектуру Transformers и сетевую архитектуру Qwen3NextForCausalLM. Она принимает текстовые последовательности и генерирует текст. Нативная длина контекста составляет 262 144 токена, с возможностью расширения до 1 010 000 токенов. Количество параметров в карточке не раскрыто, поддерживаемые языки и точные характеристики исходной модели здесь не указаны.

Веса и активации линейных операторов внутри трансформерных блоков квантизированы в формат NVFP4. Это уменьшает число бит на параметр с 16 до 4, а размер на диске и требования к памяти GPU примерно в 3,3 раза. Модель оптимизирована для инференса через TensorRT-LLM на GPU NVIDIA, в частности на архитектуре Blackwell; предпочтительная операционная система — Linux. Ограничениями являются зависимость от совместимой инфраструктуры NVIDIA, отсутствие раскрытых данных о параметрах и обучении, а также необходимость дополнительного тестирования качества и безопасности для конкретного сценария.

Модель распространяется по лицензии Apache License 2.0. Для развёртывания рекомендуется TensorRT-LLM; заявленная версия квантизации выполнена с использованием nvidia-modelopt v0.40.0.

Для каких профессий подходит15

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-Next-80B-A3B-Thinking NVFP4 model is the quantized version of Alibaba's Qwen3-Next-80B-A3B-Thinking model, which is an auto-regressive language model that uses an optimized transformer architecture. For more information, please check here. The NVIDIA Qwen3-Next-80B-A3B-Thinking NVFP4 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-Next-80B-A3B-Thinking) 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 12/29/2025 via https://huggingface.co/nvidia/Qwen3-Next-80B-A3B-Thinking-NVFP4

Model Architecture:

Architecture Type: Transformers Network Architecture: Qwen3NextForCausalLM **This model was developed based on Qwen3-Next-80B-A3B-Thinking **Number of model parameters: Undisclosed.

Input:

Input Type(s): Text Input Format(s): String Input Parameters: 1D (One-Dimensional): Sequences Other Properties Related to Input: Context length 262,144 natively and extensible up to 1,010,000 tokens

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:

Runtime Engine(s):

  • TensorRT-LLM

Supported Hardware Microarchitecture Compatibility:

  • NVIDIA Blackwell

Preferred Operating System(s):

  • Linux

The integration of foundation and fine-tuned models into AI systems requires additional testing using use-case-specific data to ensure safe and effective deployment. Following the V-model methodology, iterative testing and validation at both unit and system levels are essential to mitigate risks, meet technical and functional requirements, and ensure compliance with safety and ethical standards before deployment.

Model Version(s):

The model is quantized with nvidia-modelopt v0.40.0

Training, Testing, and Evaluation Datasets:

Calibration Dataset:

** Link: cnn_dailymail, Nemotron-Post-Training-Dataset-v2 ** Data Collection Method by dataset: Automated. ** Labeling Method by dataset: Automated.

Training Dataset:

** Data Modality: Undisclosed ** 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, LiveCodeBench V6, SciCode, AIME 2025 ** Data Collection Method by dataset: Hybrid: Automated, Human ** Labeling Method by dataset: Hybrid: Human, Automated

Inference:

Acceleration Engine: TensorRT-LLM Test Hardware: B200

Post Training Quantization

This model was obtained by quantizing the weights and activations of Qwen3-Next-80B-A3B-Thinking to NVFP4 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
from tensorrt_llm.llmapi import KvCacheConfig


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=0.6, top_p=0.95)
    kv_cache_config = KvCacheConfig(enable_block_reuse=False)

    llm = LLM(model="nvidia/Qwen3-Next-80B-A3B-Thinking-NVFP4", tensor_parallel_size=4, kv_cache_config=kv_cache_config)

    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:

Baseline: Qwen3-Next-80B-A3B-Thinking-FP8. Benchmarked with temperature=0.6, top_p=0.95, max num tokens 81920

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

Универсальный рантайм · Model Optimizer

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3NextForCausalLM
Ревизия весов
2adcdd3

0 моделей