模型介绍
- **MTP draft head preserved in bf16** and wired into the index — speculative decoding works out of the box (`method: qwen3_5_mtp`). - Vision tower, `lm_head`, DeltaNet `conv1d`, and the MTP head are kept in bf16; everything else is NVFP4 W4A4. - Quantized **GPU-resident**: the full bf16 model dispatched across 8× RTX PRO 2000 Blackwell (16 GB) with `device_map=auto` — calibration itself took **68 seconds** (32 samples × 8192 tok). - Serves on SM120 (Blackwell) with vanilla vLLM v0.22.0 — compressed-tensors auto-detected, no `--quantization` flag. Single-stream prefill (prefix cache disabled, mean of 3): **3,820 tok/s @ 8k**, 3,299 @ 32k, 2,363 @ 100k prompt tokens. GPU KV cache at TP=4/128k: 1,025,977 tokens (7.83× concurrency). On boards without P2P add `NCCL_P2P_DISABLE=1` and `--disable-custom-all-reduce`.
主要特点
特点摘要待依据来源补齐，不凭模型名称推断能力。
局限与注意事项
暂无足够来源支持具体缺点结论。请重点验证实际任务表现、时延、数据政策、许可与版本生命周期。
来源报价与费用分析
同一模型在不同渠道、地区和配置下可能采用不同价格。下表独立保留各渠道报价，不将渠道价格视为厂商官方统一价格。
| 来源 / 渠道 | 输入 | 输出 | 计费单位 | 采集时间 |
|---|---|---|---|---|
| 暂未取得可核验报价，请查阅来源渠道。 | ||||
按月估算基础 Token 费用
预估不包含缓存优惠、阶梯定价、多模态附加费用、网络检索、税费及推理额外输出。
公开评测与运行配置
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
查看完整已收录榜单 →常见问题
开放权重是否代表可以免费商用？
不一定。应核对具体版本许可证、商用门槛和使用政策。自部署还会产生算力和维护成本。
这些价格是实时结算价格吗？
不是实时结算价格，而是带采集时间的来源报价快照。请到对应渠道核对当前版本、区域、折扣和计费方式。
资料来源与可追溯记录
许可证：apache-2.0。模型介绍与第三方评测均以原来源的具体版本和方法为准。