/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
qwen3_omni_moe · dense
Базовая модель
Qwen3-Omni-30B-A3B-Instruct
Библиотека
transformers
Опубликована
19 мар 2026

Qwen3-Omni-30B-A3B-Instruct-NVFP4

Мультимодальная модель10 профессий

Квантованная в NVFP4 версия мультимодальной Qwen3-Omni для диалогов с текстом, изображениями, аудио и видео с генерацией текста и речи на GPU NVIDIA Blackwell.

471скачиваний за 30 дней1лайквеса обновлены20 мар 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 предварительно квантованная версия Qwen/Qwen3-Omni-30B-A3B-Instruct, подготовленная с помощью NVIDIA ModelOpt и предназначенная для запуска на графических процессорах NVIDIA Blackwell, включая RTX 5090, B100 и B200. Модель семейства Qwen3-Omni с архитектурой MoE принимает текст, изображения, аудио и видео, а выдаёт текст и речь. Размер исходной модели — 30 млрд параметров, из которых около 3 млрд активируются на токен; NVFP4 W4A8 уменьшает размер чекпойнта примерно до 27 ГБ с примерно 60 ГБ у версии BF16.

Квантированы веса экспертов и attention в Thinker; lm_head, маршрутизаторы MoE и остальные этапы оставлены без квантования. Для калибровки использовались английские и китайские запросы. Чекпойнт рассчитан на инференс с аппаратной поддержкой FP4 и не подходит для RTX 4090, A100 и H100; для этих ускорителей автор рекомендует вариант FP8. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • голосовой диалог с генерацией речи на GPU Blackwell
  • ответы на вопросы по изображениям
  • понимание аудио и видео в мультимодальных запросах
  • развёртывание Qwen3-Omni при ограниченной видеопамяти на RTX 5090, B100 или B200

Ограничения

Для инференса необходим GPU NVIDIA Blackwell с аппаратной поддержкой FP4; RTX 4090, A100 и H100 не поддерживаются. Квантование выполнено с калибровкой на 256 запросах на английском и китайском языках, поэтому качество на других языках отдельно не подтверждено.

Для каких профессий подходит10

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-Omni-30B-A3B-Instruct NVFP4 (W4A8)

Pre-quantized NVFP4 version of Qwen/Qwen3-Omni-30B-A3B-Instruct for deployment on NVIDIA Blackwell GPUs (RTX 5090, B100, B200).

Key Features

  • 4-bit weight, 8-bit activation (W4A8) quantization using NVIDIA ModelOpt NVFP4
  • Pre-quantized checkpoint — weights are packed as FP4 (uint8), not online quantization
  • ~3.6x compression on MoE expert weights (54 GB → 15 GB)
  • Same capabilities as the original: text, image, audio, video input → text + speech output

Quantization Details

ComponentPrecisionQuantized?
Thinker MoE experts (gate_up_proj, down_proj)NVFP4 packed uint8Yes — pre-quantized
Thinker attention (q/k/v/o_proj)NVFP4 (calibrated)Yes
Thinker lm_headBF16No
Thinker MoE router gatesBF16No
Audio EncoderBF16No
Vision EncoderBF16No
Talker (MoE)BF16No
Code2WavBF16No

Weight Format

MoE expert weights are stored as:

  • gate_up_proj: packed uint8 (2× FP4 values per byte)
  • gate_up_proj_scale: float8_e4m3fn (per-block-of-16 FP8 scale)
  • gate_up_proj_scale_2: bfloat16 (global per-tensor scale)
  • Same pattern for down_proj

Quantization Config

{
  "quant_algo": "NVFP4",
  "quant_method": "modelopt",
  "group_size": 16,
  "weights": {"num_bits": 4, "type": "float"},
  "input_activations": {"num_bits": 8, "type": "float"},
  "kv_cache": {"num_bits": 8, "type": "float"}
}

Memory Comparison

ConfigCheckpoint SizeNotes
BF16 (original)~60 GBFull precision
FP8 (ModelOpt)~40 GBOnline quantization
NVFP4 (this model)~27 GBPre-quantized FP4 experts

Hardware Requirements

PurposeHardwareNotes
InferenceRTX 5090, B100, B200 (Blackwell SM 100+)Native FP4 hardware support required
Inference (not supported)RTX 4090, A100, H100No FP4 hardware — use FP8 instead

Quantization Methodology

  1. Base model: Qwen/Qwen3-Omni-30B-A3B-Instruct (BF16)
  2. Tool: NVIDIA ModelOpt v0.42.0
  3. Method: NVFP4 (W4A8) with static calibration (256 diverse prompts)
  4. Calibration: 256 English + Chinese prompts covering factual, creative, code, math, and reasoning tasks
  5. Attention layers: Quantized via mtq.quantize with calibration
  6. Expert layers: Manually packed via NVFP4QTensor.quantize() (fused expert tensors not supported by mtq.quantize)
  7. Excluded: lm_head, MoE router gates, all non-thinker stages

Original Model

This is a quantized version of Qwen/Qwen3-Omni-30B-A3B-Instruct. Please refer to the original model card for full capabilities, benchmarks, and usage documentation.

License

Apache License 2.0 (same as the original model)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Класс архитектуры
Qwen3OmniMoeForConditionalGeneration
Ревизия весов
0ed3aa2

0 моделей