/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
Hy3
Библиотека
transformers
Опубликована
7 июл 2026

Hy3-295B-NVFP4

Генерация текстаТекст → текст15 профессий

Квантованный экспорт MoE-модели Tencent Hy3 для диалоговой генерации, рассуждений, ответов на вопросы и задач на следование инструкциям.

66скачиваний за 30 дней6лайковвеса обновлены15 июл 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

Hy3-295B-NVFP4 — квантованный экспорт базовой модели Tencent Hy3, подготовленный r0b0tlab с NVIDIA ModelOpt и проверенный в vLLM на двух системах NVIDIA GB10. Это MoE-модель для генерации диалогового текста; артефакт использует калиброванную квантизацию весов W4A4 NVFP4 для поддерживаемых проекций маршрутизируемых экспертов, а проверенный KV-кэш работает в FP8. В README описана практическая проверка контекста до 49 152 токенов, но это измеренная граница конкретного профиля, а не заявленный архитектурный максимум.

Модель предназначена для диалогов, рассуждений, ответов на вопросы, задач на следование инструкциям и генерации кода. В README приведены результаты тестов на GSM8K, ARC-Challenge, PIQA, WinoGrande, TruthfulQA, MMLU, IFEval и HumanEval, а также измерения производительности на указанном оборудовании. Результаты относятся к конкретным конфигурациям запуска, данным и контрактам декодирования и не гарантируют качество для любых запросов.

В метаданных указана лицензия other; README требует соблюдать лицензии и условия базовой модели, библиотек и наборов данных. Для запуска и заявленной производительности необходимы совместимые аппаратное обеспечение и программный стек; показатели проверки получены на двух GB10 с vLLM и FlashInfer.

Сценарии применения

  • диалоговые ответы на запросы пользователя
  • решение математических задач и рассуждений
  • ответы на вопросы общего характера
  • генерация кода по описанию задачи
  • выполнение инструкций в текстовом диалоге

Ограничения

Результаты качества и производительности привязаны к описанным аппаратуре, среде запуска, наборам данных и профилям; они не устанавливают универсальное качество или безопасность. Проверенная практическая граница контекста составляет 49 152 токена и не является заявлением об архитектурном максимуме.

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

Hy3-295B-NVFP4

Audited calibrated/MSE W4A4 NVFP4 v3 export of Tencent Hy3, validated with native vLLM on two NVIDIA GB10 systems.

Credits and Attribution

  • Base model: Tencent Hy3 authors and maintainers.
  • Quantization and hardware: NVIDIA ModelOpt, CUDA, and GB10.
  • Serving: vLLM and FlashInfer.
  • Evaluation tooling: Hugging Face Datasets, lm-eval, llama-benchy, and Docker.
  • Benchmarks: GSM8K, AI2 ARC-Challenge, PIQA, WinoGrande, TruthfulQA, MMLU, IFEval, and OpenAI HumanEval.

Please cite and follow the licenses/terms of every upstream model, library, and benchmark dataset used.

Artifact identity and quantization

  • Artifact: Hy3-NVFP4-w4a4-v3
  • Model index SHA-256: 738e3ad2c8d16372e3d681d5793c78676fd256d7a4b43d9ca560f268d26adb26
  • Architecture: HYV3ForCausalLM
  • Quantization loader: modelopt_mixed
  • Routed-expert backend: FLASHINFER_CUTLASS
  • Validated KV cache: FP8
  • Tensor parallelism: TP=2 across two GB10 systems
  • Runtime image: ghcr.io/r0b0tlab/vllm-v0250-cu130-sm121:v0.25.0-cu130-sm121-arm64-702f4814-r2
  • Reproducibility evidence: https://github.com/r0b0tlab/hy3-295b-nvfp4-gb10-benchmark

The artifact uses calibrated/MSE W4A4 NVFP4 for supported routed-expert projections while preserving explicitly excluded/non-quantized tensors according to the published hf_quant_config.json. No performance result in this card uses Marlin, emulation, dequantized routed experts, or BF16 routed-expert fallback.

Quality — base O0/eager, non-MTP

TaskNMetric
gsm8k131995.91%
arc_challenge117296.16%
piqa183894.61%
winogrande126783.90%
truthfulqa_mc181782.25%
mmlu_abstract_algebra10074.00%
mmlu_business_ethics10082.00%
mmlu_clinical_knowledge26592.83%
mmlu_college_biology14498.61%
mmlu_computer_security10088.00%
mmlu_conceptual_physics23594.89%
mmlu_high_school_world_history23793.25%
mmlu_international_law12192.56%
ifeval54191.13%
humaneval16484.15%

HumanEval is sandbox-executed pass@1. IFEval reports official prompt- and instruction-level strict/loose metrics in the linked structured evidence.

Performance profiles

Highest safe staged base-profile concurrency: c8.

ConcurrencyAggregate output tok/sPer-request tok/sMean wall sMean output tokens
c18.738.7314.66128
c216.678.3715.36256
c432.038.0215.98512
c850.946.3720.101024

MTP-1 · separate profile

MTP-1 passed at utilization 0.735; measured acceptance 52.97%; c1 mean 11.04 output tok/s under profile mtp1_o0_eager_sync. Forced 128/512/1024-token decoding passed 3/3 at each length, representative stability passed 100/100, and llama-benchy 0.4.0 completed.

The c1 label is mtp1_o0_eager_sync; it must not be presented as the base profile. MTP-1 drafted 23610 tokens and accepted 12506 (52.97%).

Practical 48K base-AR context · separate profile

The base-AR O0/eager/synchronous context profile passed a 49,152-token configured window with 49,968 measured KV-token capacity and 3,904 MiB FP8 KV. Exact near-window retrieval passed for needles near the beginning, middle, and end at up to 48,896 prompt tokens. This is a practical tested boundary, not an architectural maximum claim, and it is not an MTP result.

Reproduction and verification

Clone https://github.com/r0b0tlab/hy3-295b-nvfp4-gb10-benchmark and follow its README.md, AGENTS.md, runtime/runtime.json, sanitized scripts, structured benchmark files, and MANIFEST.sha256. Human-readable metrics are generated from the machine-readable evidence; they are not edited manually.

Notes and limitations

  • Quality uses only the base O0/eager/max-seqs-1 non-MTP profile.
  • Base concurrency, MTP-1, and base-AR context are separately launched profiles and must not be merged into one claim.
  • The 49,152-token context result is a practical base-AR boundary; no larger context is claimed.
  • NVFP4 describes model weights; the validated KV cache is FP8.
  • Results are specific to the documented dual-GB10 hardware, runtime image, prompts, datasets, and decoding contracts.
  • The benchmark suite does not establish universal model quality, safety, or optimality.
  • MTP performance is claimed only because preserved speculative counters prove positive drafted and accepted tokens.
  • Published evidence contains curated summaries, not raw private logs, telemetry streams, or per-item responses.

License

The base-model license and terms from Tencent apply to the underlying model. Dataset-specific licenses/terms apply to benchmark content. Reproduction scripts and original report assets in the linked GitHub evidence repository are released under that repository's license. Review all upstream terms before use or redistribution.

Citation

@misc{hy3,
  title={Hy3},
  author={Tencent Hy3 Team},
  year={2026},
  howpublished={Hugging Face model release}
}
@software{nvidia_modelopt,
  title={NVIDIA Model Optimizer},
  author={NVIDIA},
  url={https://github.com/NVIDIA/Model-Optimizer}
}
@software{vllm,
  title={vLLM: A High-Throughput and Memory-Efficient Inference and Serving Engine for LLMs},
  url={https://github.com/vllm-project/vllm}
}
@software{flashinfer,
  title={FlashInfer: Kernel Library for LLM Serving},
  url={https://github.com/flashinfer-ai/flashinfer}
}

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Ревизия весов
63949b5

0 моделей