/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen3.8-Flash-Next-NVFP4
Библиотека
vllm
Опубликована
14 сен 2026

Qwen3.8-Flash-Next-NVFP4-FP8-Hybrid-Delta

Изображение и текст → текст

Delta для Qwen3.8-Flash-Next-NVFP4 заменяет часть плотных весов на FP8 для ускорения мультимодального инференса на Jetson AGX Thor.

0скачиваний за 30 дней2лайкавеса обновлены14 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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 delta-чекпойнт для Qwen3.8-Flash-Next-NVFP4, подготовленный автором репозитория pastoriomarco. Он не является самостоятельной моделью: для сборки нужны неизменённые файлы точной ревизии RadixArk/Qwen3.8-Flash-Next-NVFP4 (7b719225242aacd3dbd3f9407468c2ee9a9d2594). Веса представлены в safetensors; метаданные указывают поддержку обработки изображений и текста, а для запуска используется vLLM.

Delta заменяет 300 часто читаемых плотных матриц BF16 на блочный FP8 E4M3 с блоками 128×128 и обратными масштабами FP32. Маршрутизируемые эксперты остаются в NVFP4, башня зрения — в BF16; KV-кэш хранится отдельно, для рекомендуемой конфигурации Thor указано BF16. На Jetson AGX Thor автор сообщает о более высокой скорости генерации и меньшем объёме загруженных тензоров; в одном сравнительном запуске Tool Eval обе версии получили 94/100. Результаты относятся к описанной конфигурации и не доказывают побитовую эквивалентность.

Модель предназначена для локального мультимодального инференса на Jetson AGX Thor с указанным базовым снапшотом и инструкциями NemoClaw-Thor. Лицензия указана как other; конкретные условия использования в приведённых данных не раскрыты.

Сценарии применения

  • локальный запуск Qwen3.8-Flash-Next на Jetson AGX Thor
  • ускорение мультимодального инференса с обработкой изображений и текста
  • снижение объёма загружаемых весов плотных слоёв
  • сборка гибридного чекпойнта FP8 и NVFP4 для vLLM

Ограничения

Delta нельзя загрузить самостоятельно: необходимы неизменённые файлы точной базовой ревизии. Замеры приведены для одной конфигурации и одного сравнительного Tool Eval; для репозитория указана лицензия other без конкретных условий.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8 Flash-Next NVFP4 + FP8 dense-side-layer delta

This is a delta, not a standalone model checkpoint. It contains four converted safetensors shards and an updated index for the exact base snapshot:

Unchanged files must be obtained from that exact RadixArk base revision. The delta cannot be loaded by itself.

What changed

The conversion rewrites 300 frequently read dense matrices from BF16 to blockwise FP8 E4M3 with 128x128 blocks and FP32 inverse scales:

  • GDN input/output projections;
  • QSA query/key/value/output projections;
  • shared-expert gate/up/down projections.

Those weights occupy 5.42 GiB in BF16 and 2.71 GiB after conversion.

The following remain unchanged:

  • routed experts: ModelOpt NVFP4;
  • PLE table: the base checkpoint's FP8 representation, served through mmap;
  • vision tower: BF16;
  • embedded MTP layer and target vocabulary;
  • all other excluded tensors.

KV cache is not stored in model weights. The recommended Thor runtime keeps it in BF16 (--kv-cache-dtype auto); this delta does not use FP8 KV cache.

Jetson AGX Thor result

Measured on Jetson AGX Thor (SM110a) with the NemoClaw-Thor sm110-fast-v3 image, MTP=3, BF16 KV, 262144 context, four scheduler slots and 0.92 memory:

MeasurementOriginal side weightsFP8 hybrid
sgbench C1 token-weighted output rate34.8 tok/s46.7 tok/s
Loaded tensor memory79.42 GiB76.75 GiB
Advertised BF16-KV tokens728869 at 0.90842439 at 0.92
Full 262144-token concurrency estimate2.78x at 0.903.21x at 0.92

sgbench includes TTFT and prefill; it is not an isolated decode-kernel test.

The same complete 88-scenario Tool Eval was run on both variants:

Tool EvalOriginal side weightsFP8 hybrid
Overall94/10094/100
Points165/176166/176
Hard Mode95%100%
Passed / partial / failed79 / 7 / 280 / 6 / 2
Median turn4.3 s4.1 s
Responsiveness37/10039/100
Deployability77/10078/100
Runtime1471.4 s1299.6 s

The aggregate score therefore showed quality parity in this evaluation, with better responsiveness. Category results were not identical: the hybrid reached 100% Error Recovery and Hard Mode, while Safety & Boundaries moved from 92% to 85%. This is empirical evidence from one complete run per variant, not a claim of bitwise equivalence.

Assemble and serve on Thor

Use the public pastoriomarco/NemoClaw-Thor repository. The complete pinned image build, delta assembly, validation, fallback and foreground-serving instructions are in the QWEN38-FLASH-NEXT-FAST-THOR.md runbook.

The short path after cloning NemoClaw-Thor is:

./serving/build-qwen38-flash-next-fast.sh
./serving/download-qwen38-flash-next.sh
./serving/apply-qwen38-flash-next-fp8-delta.sh
./serving/start-qwen38-flash-next-fast.sh

The apply helper defaults to this repository at immutable weights revision 358162ffaaeb4372c79843d9cd1f67d3654593da. It checks the delta manifest, SHA256 of every changed file, and exact base revision before creating the linked local snapshot.

Conversion and provenance

The Docker-only preparation command and auditable converter are included in NemoClaw-Thor:

./serving/prepare-qwen38-flash-next-fp8-hybrid.sh

The conversion requires no calibration corpus. It directly calculates a scale for every 128x128 weight block and retains the base snapshot unchanged. The converter is derived from Saren-Arterius/qwen3.8-Flash-DGX-AutoRound and the fast-path integration builds on blazux/qwen3.8-Flash-DGX.

License

This repository carries only derived weight files and metadata. The source model and RadixArk checkpoint license and terms continue to apply. Review those terms before redistribution or commercial use.

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
18934d4

0 моделей