/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
8 июл 2026

Qwen3.5-9B-NVFP4

Изображение и текст → текст15 профессий

Qwen3.5-9B-NVFP4 — это квантованная версия мультимодальной vision-language модели Qwen3.5-9B, опубликованная sanskar003 на базе модели команды Qwen из Alibaba Group.

2 105скачиваний за 30 дней3лайкавеса обновлены8 июл 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

Она принимает изображения, текст и видео в чередующемся формате и генерирует текст, включая режим рассуждений, включённый по умолчанию.

Модель содержит около 9 млрд параметров и использует гибридную архитектуру Gated DeltaNet и sparse MoE с vision encoder. Базовая модель поддерживает 201 язык и диалект, а её нативная длина контекста составляет 262 144 токена с возможностью расширения посредством RoPE scaling. Квантование выполнено в формате NVFP4 с использованием compressed-tensors: линейные слои языковой модели переведены в 4-битный формат, тогда как vision tower, router gates и lm_head сохранены в более высокой точности.

Основное преимущество версии NVFP4 — снижение требований к вычислениям и потенциально высокая производительность на GPU NVIDIA Blackwell с FP4 tensor cores, например RTX 5090 с архитектурой sm_120, при сохранении возможностей работы с изображениями. Для запуска рекомендуется современная версия vLLM с поддержкой архитектуры Qwen3_5ForConditionalGeneration. Ограничение модели заключается в том, что ожидаемая производительность NVFP4 ориентирована на совместимое оборудование NVIDIA Blackwell; характеристики качества и подробные результаты тестирования в карточке этой версии не приведены. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой Qwen3.5-9B.

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

Qwen3.5-9B-NVFP4

This is an NVFP4 (4-bit floating point) quantized version of Qwen/Qwen3.5-9B, packaged in the compressed-tensors format for efficient inference with vLLM.

NVFP4 is a Blackwell-native FP4 format and is designed to run on the FP4 tensor cores of NVIDIA Blackwell GPUs (e.g. RTX 5090, sm_120) for high throughput, while preserving the base model's vision-language capabilities.

About the base model

Qwen3.5-9B is a multimodal vision-language model from the Qwen team (Alibaba Group). It accepts interleaved image + text (and video) input and generates text, with a "thinking" reasoning mode enabled by default.

Base modelQwen/Qwen3.5-9B
Parameters~9B
ModalityImage-Text-to-Text (vision-language)
ArchitectureHybrid Gated DeltaNet + sparse MoE, with a vision encoder
Context length262,144 tokens native (extensible with RoPE scaling)
Languages201 languages and dialects
LicenseApache 2.0

For full details on capabilities, benchmarks, and prompt formatting, see the base model card.

Quantization details

MethodNVFP4 (4-bit floating point)
Formatcompressed-tensors
Quantized modulesLinear layers of the language model
Kept in higher precisionVision tower, router gates, and lm_head
Recommended hardwareNVIDIA Blackwell (FP4 tensor cores, sm_120)

The vision tower is intentionally left unquantized to preserve image understanding quality.

Usage

Serve with vLLM (OpenAI-compatible API)

docker run --rm --gpus all -p 8000:8000 \
  -v "$PWD:/models" \
  vllm/vllm-openai:latest \
  --model /models/Qwen3.5-9B-NVFP4 \
  --served-model-name Qwen3.5-9B-NVFP4 \
  --quantization compressed-tensors \
  --max-model-len 32768

Or directly from the Hub:

docker run --rm --gpus all -p 8000:8000 \
  vllm/vllm-openai:latest \
  --model sanskar003/Qwen3.5-9B-NVFP4 \
  --quantization compressed-tensors

Query it (image + text)

curl -s http://localhost:8000/v1/chat/completions \
  -H 'Content-Type: application/json' -d '{
    "model": "Qwen3.5-9B-NVFP4",
    "messages": [{"role": "user", "content": [
      {"type": "text", "text": "Describe this image."},
      {"type": "image_url", "image_url": {"url": "http://images.cocodataset.org/train2017/000000231895.jpg"}}
    ]}]
  }'

Requirements

  • An NVIDIA Blackwell GPU with FP4 tensor cores (sm_120) for the intended performance. vLLM selects the FP4 kernel automatically for this compressed-tensors checkpoint.
  • A recent vLLM build that supports the Qwen3_5ForConditionalGeneration architecture.

License

Released under Apache 2.0, inherited from the base model Qwen/Qwen3.5-9B. Please review and comply with the base model's license terms.

Citation

Please cite the original Qwen work — see the base model card for citation details.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
1400d34

0 моделей