/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
53,9 ГБ
Лицензия
Своя лицензия
Архитектура
qwen4_exp · dense
Базовая модель
Qwen3.8-Flash-Next-NVFP4
Библиотека
sparklab
Опубликована
28 авг 2026

Qwen3.8-Flash-Next-NVFP4-FTW

Генерация текстаТекст → текст3 профессии

OakMind AI опубликовала конверсию Qwen3.8-Flash-Next, базовую модель которой разработала Qwen, а смешанно-точный checkpoint выпустила NVIDIA.

255скачиваний за 30 дней2лайкавеса обновлены6 сен 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 экспериментальный текстовый артефакт SparkLab FTW, предназначенный для нативного запуска на одном NVIDIA DGX Spark с 128 ГБ объединённой памяти через runtime SparkLab. Репозиторий не содержит стандартный checkpoint для Transformers или vLLM safetensors и представляет собой переупаковку исходных весов, а не новую модель или дополнительное переобучение.

Модель предназначена для генерации текста и диалоговых сценариев через OpenAI- и Anthropic-совместимые API. Артефакт использует маршрутизируемые эксперты в формате NVFP4, resident-проекции BF16, FP8-банк PLE n-gram и встроенный модуль native MTP для спекулятивной генерации. Все 24 576 целевых маршрутизируемых экспертов предварительно размещаются в памяти, тогда как PLE-банк остаётся размещённым на локальном NVMe. Заявленный объём весов составляет около 131,9 ГБ без токенизатора и метаданных. Указанный размер контекстного окна не сертифицирован: пул KV рассчитан на 131 072 токена, но это лишь настройка ёмкости.

К сильным сторонам относятся оптимизация под GB10/SM121, предварительно подготовленные тензорные раскладки и возможность MTP-ускорения для одиночных жадных запросов. В приведённом профиле достигнуты 31,97 токена в секунду и 0,260 секунды до первого токена, однако измерения выполнены на коротком тесте и не подтверждают качество, производительность при высокой конкуренции или длительную стабильность. MTP ограничен batch size 1, а мультимодальные возможности не поддерживаются, несмотря на унаследованные метаданные обработчиков изображений и видео. Для работы требуются ARM64 Linux или DGX OS, CUDA 13, NVIDIA DGX Spark и быстрый локальный NVMe; необходима актуальная сборка SparkLab. Лицензия указана как NVIDIA Open Model License.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-Flash-Next NVFP4 — SparkLab FTW

This repository packages Qwen3.8-Flash-Next as an experimental, text-only SparkLab FTW artifact for one NVIDIA DGX Spark with 128 GB coherent unified memory. It is not a standard Transformers or vLLM safetensors checkpoint.

SparkLab provides GB10-native inference, model recipes, hardware checks, memory planning, artifact preparation, and OpenAI-/Anthropic-compatible serving APIs.

What this repository contains

This is a repackaging, not a newly trained model or an additional quantization:

  1. Qwen developed the base model.
  2. NVIDIA published the mixed-precision checkpoint using Model Optimizer.
  3. SparkLab packages the tensors for its native FTW loader and GB10 execution path.
  4. OakMind AI published this conversion.

The pinned NVIDIA source revision is fab0aecb760cec45227f6656abcaafa11abca87a. The FTW fingerprint is 94e1ee0daa442357. Total weight payload is 131,931,279,080 bytes, excluding tokenizer and metadata files.

ComponentPublished layout and precision
Target weightsTen freetoken-*.ftw shards and freetoken_weight.json; native NVFP4 routed experts, BF16 resident projections
PLE n-gram bankApproximately 51.2 GB FP8 qwen4_ngram.bin, with its published global scale in qwen4_ngram.json
Native MTP modulenvfp4_experts_mtp.safetensors; despite the legacy filename, draft experts are 128-by-128 block-scaled FP8 and remaining draft tensors retain their published precision
Runtime metadataConfiguration, tokenizer, chat template, and generation configuration

Conversion preserves published weight precision and scales without conversion-time requantization. The complete indexed MTP module is assembled from the source shards. Inherited image/video processor metadata does not enable multimodal serving here.

Why use FTW?

FTW prepares tensor layouts ahead of time and stores routed experts in addressable banks for SparkLab's native loader. This deployment preloads all 24,576 target routed experts into immutable unified-memory slots, eliminating steady-state routed-expert disk reads. The PLE bank remains disk-backed on local NVMe.

The artifact's disk size is not its resident-memory requirement. FTW alone is not a claim of better model quality or higher steady-state decode throughput.

Run with SparkLab on NVIDIA DGX Spark

Requires ARM64 Linux / DGX OS, GB10/SM121, CUDA 13, and fast local NVMe. Use a current SparkLab source build with NVIDIA mixed-precision loading, scaled FP8 PLE, indexed MTP extraction, and accepted-prefix commits. The previously released 0.1.2 wheel is not sufficient.

git clone https://github.com/sixteen-miles-labs/sparklab.git
cd sparklab
uv venv && source .venv/bin/activate
uv pip install -e ".[accel]"

sparklab doctor --storage-path /path/to/models
sparklab plan qwen3.8-flash-next --root /path/to/models --prepare
sparklab pull qwen3.8-flash-next --root /path/to/models --prepare
sparklab run qwen3.8-flash-next --root /path/to/models

Replace /path/to/models with your local NVMe directory. Recipe 0.9.0 downloads this prebuilt artifact at immutable revision f547c96e86d0e50908c1415f4525c4325555691e and verifies its identity. A later documentation-only Hub revision does not require changing that weight pin. The catalog budgets approximately 402 GB free disk, including preparation and safety allowance; plan is authoritative.

Once the server is ready:

curl http://127.0.0.1:1919/health
curl http://127.0.0.1:1919/v1/models
curl http://127.0.0.1:1919/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{"model":"qwen3.8-flash-next","messages":[{"role":"user","content":"Hello!"}],"max_tokens":128,"temperature":0,"stream":true}'

Optional single-stream MTP

Instead of the target-only launch above, enable three draft tokens:

sparklab run qwen3.8-flash-next --root /path/to/models -- --speculative-tokens 3

Native MTP is opt-in and limited to batch-one greedy requests. Dense-QSA verification uses a fixed-shape CUDA graph; sparse-QSA verification runs eagerly. The target-only recipe's admission limit is not a claim of concurrent MTP support.

Performance and validation limits

The selected NVIDIA MTP3 accepted-prefix profile measured 31.97 tok/s and 0.260 s warm TTFT, three-trial medians on a short 128-token greedy single-stream probe. This was 13.9% faster than its NVIDIA MTP3 baseline and performed no rejection replay. See GB10-QWENNVIDIA-002.

The three selected runs reproduced the same output, but differed from target-only and pre-optimization MTP. This does not establish general quality equivalence. Quality and endurance certification remain outstanding. The configured 131,072-token KV pool is a capacity setting, not a certified context length.

The NVIDIA artifact does not inherit the previous Inferact artifact's quality, 64K recall, concurrency, or endurance evidence. No quality advantage over Inferact has been established. Experimental reduced-vocabulary drafting is not enabled by the commands above and is not the selected portfolio profile.

See the model guide for current runtime limitations and separately labeled experiments.

Previous artifact compatibility

The NVIDIA artifact replaced the Inferact-derived artifact on main on September 5, 2026. The previous artifact remains available at immutable revision 5ab790b83f149a96594237a35905d84be24599a3; existing revision-pinned recipes continue to resolve it. Do not mix its shards or sidecars with the NVIDIA artifact.

Credits and license

The upstream NVIDIA Open Model License and additional Qwen Community License terms apply; see the upstream license/terms. The existing LICENSE file contains Qwen's additional terms and is not a substitute for the NVIDIA license. SparkLab's software license does not replace the model's governing terms.

Upstream model information

Consult the pinned NVIDIA model card and Qwen model card for architecture, training and calibration information, upstream evaluations, and intended-use limitations. Upstream multimodal and long-context results are not SparkLab certification. Generated answers can be incorrect or biased; evaluate the deployed artifact on your intended tasks before relying on it.

Как запустить

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

GPU в ailist

Универсальный рантайм · sparklab

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen4ExpForConditionalGeneration
Ревизия весов
cdce303

0 моделей