Характеристики

Контекст: 262 144 токена
Параметры: 2,3 млрд
Размер весов: 51,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_next · MoE
Базовая модель: Qwen3-Coder-Next
Библиотека: transformers
Опубликована: 20 сен 2026

Ссылки

Qwen3-Coder-Next-NonCodeWiki-Prune70-BF16

Генерация текстаТекст → текст3 профессии

Экспериментальный вариант Qwen3-Coder-Next с обрезанными примерно на 70% экспертами MoE для генерации текста и опытов с кодирующими агентами.

275скачиваний за 30 дней0лайковвеса обновлены20 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Qwen3-Coder-Next-NonCodeWiki-Prune70-BF16 — экспериментальный чекпойнт на основе Qwen3-Coder-Next, созданный методом обрезки экспертов MoE по калибровочным оценкам на данных WikiText без кода. Разработчик модели в карточке не назван. В 48 слоях число экспертов сокращено с 512 до 154, то есть удалено около 70%; при этом на токен по-прежнему активируются 10 экспертов. Метаданные каталога указывают 2,3 млрд параметров, а README оценивает весовой массив примерно в 25,6 млрд параметров BF16.

Модель предназначена для генерации текста и экспериментов с кодирующими агентами на базе Qwen3-Coder-Next; доступны интерфейсы чата и вызова инструментов. Контекст унаследован от базовой модели и составляет 262 144 токена. На SWE-bench Verified чекпойнт решил 23 из 500 заданий (4,6%). Для работы требуются свежие версии Transformers, vLLM или SGLang с поддержкой Qwen3-Next. Лицензия — Apache-2.0.

Сценарии применения

эксперименты с обрезкой экспертов в MoE-моделях
генерация кода с помощью кодирующего агента
проверка вызова инструментов в агентных сценариях

Ограничения

В опубликованной оценке SWE-bench Verified модель решила 23 из 500 заданий (4,6%). Это экспериментальный чекпойнт; автор рекомендует проверять его на целевой нагрузке перед развертыванием.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-Coder-Next Non-Code Wiki Prune-70 (BF16)

Experimental expert-pruned checkpoint derived from Qwen/Qwen3-Coder-Next.

Model details

Calibration source: non-code WikiText data
Pruning method: calibration-score-based expert pruning
Experts per MoE layer: 512 -> 154 (69.92% removed)
Active experts per token: 10 (unchanged)
Layers: 48
Weight dtype: BF16
Weight payload: 51,166,017,024 bytes (~25.6B BF16 parameters)
Context configuration: inherited from the base model

Experts are renumbered after pruning. expert_mapping.csv records the retained source expert for every layer and new expert ID.

Evaluation

On the associated SWE-bench Verified evaluation, this checkpoint resolved 23/500 instances (4.6%).

Usage

Use a recent Transformers, vLLM, or SGLang release with Qwen3-Next support. This is an experimental research checkpoint; validate it for your workload before deployment.

License and attribution

This derivative checkpoint follows the Apache-2.0 license of Qwen/Qwen3-Coder-Next.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3NextForCausalLM
Ревизия весов: d563e58