Qwen3-30B-A3B的INT4量化版本,通过权重量化减少75%的磁盘和GPU内存需求,保持高性能。
下载量 379
发布时间 : 5/6/2025
模型介绍
内容详情
替代品
模型简介
基于Qwen3-30B-A3B的量化模型,适用于推理、函数调用、多语言指令遵循和翻译任务。
模型特点
高效权重量化
采用INT4量化方案,减少75%的磁盘和GPU内存需求。
高性能推理
在多个基准测试中保持接近原始模型的性能,恢复率达98%以上。
多语言支持
支持多语言指令遵循和翻译任务。
优化部署
支持vLLM后端高效部署,兼容OpenAI服务。
模型能力
文本生成
函数调用
多语言指令遵循
翻译
使用案例
自然语言处理
多语言翻译
支持多种语言之间的高质量翻译。
指令遵循
能够理解和执行复杂的多语言指令。
推理任务
数学推理
在数学推理任务中表现优异。
GSM-8K任务中达到86.66分
逻辑推理
在逻辑推理任务中保持高性能。
ARC Challenge任务中达到62.97分
库名称:transformers
许可证:apache-2.0
流水线标签:文本生成
基础模型:
- Qwen/Qwen3-30B-A3B
标签: - neuralmagic
- redhat
- llmcompressor
- quantized
- INT4
Qwen3-30B-A3B-quantized.w4a16
模型概述
- 模型架构: Qwen3ForCausalLM
- 输入: 文本
- 输出: 文本
- 模型优化:
- 权重量化: INT4
- 预期用途:
- 推理。
- 函数调用。
- 通过微调成为领域专家。
- 多语言指令遵循。
- 翻译。
- 适用范围外: 任何违反适用法律或法规(包括贸易合规法律)的使用方式。
- 发布日期: 2025年5月5日
- 版本: 1.0
- 模型开发者: RedHat (Neural Magic)
模型优化
该模型是通过将 Qwen3-30B-A3B 的权重量化为 INT4 数据类型获得的。
此优化将每个参数的位数从 16 减少到 4,从而将磁盘大小和 GPU 内存需求减少了约 75%。
仅量化了 Transformer 块内线性运算符的权重。
权重采用对称分组量化方案,组大小为 128。
量化应用了 GPTQ 算法,该算法在 llm-compressor 库中实现。
部署
该模型可以使用 vLLM 后端高效部署,如下例所示。
from vllm import LLM, SamplingParams
from transformers import AutoTokenizer
model_id = "RedHatAI/Qwen3-30B-A3B-quantized.w4a16"
number_gpus = 1
sampling_params = SamplingParams(temperature=0.6, top_p=0.95, top_k=20, min_p=0, max_tokens=256)
messages = [
{"role": "user", "content": prompt}
]
tokenizer = AutoTokenizer.from_pretrained(model_id)
messages = [{"role": "user", "content": "Give me a short introduction to large language model."}]
prompts = tokenizer.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
llm = LLM(model=model_id, tensor_parallel_size=number_gpus)
outputs = llm.generate(prompts, sampling_params)
generated_text = outputs[0].outputs[0].text
print(generated_text)
vLLM 还支持与 OpenAI 兼容的服务。更多详情请参阅 文档。
创建
创建详情
该模型是通过运行以下代码片段,使用 [llm-compressor](https://github.com/vllm-project/llm-compressor) 创建的。from llmcompressor.modifiers.quantization import GPTQModifier
from llmcompressor.transformers import oneshot
from transformers import AutoModelForCausalLM, AutoTokenizer
# 加载模型
model_stub = "Qwen/Qwen3-30B-A3B"
model_name = model_stub.split("/")[-1]
num_samples = 1024
max_seq_len = 8192
model = AutoModelForCausalLM.from_pretrained(model_stub)
tokenizer = AutoTokenizer.from_pretrained(model_stub)
def preprocess_fn(example):
return {"text": tokenizer.apply_chat_template(example["messages"], add_generation_prompt=False, tokenize=False)}
ds = load_dataset("neuralmagic/LLM_compression_calibration", split="train")
ds = ds.map(preprocess_fn)
# 配置量化算法和方案
recipe = GPTQModifier(
ignore: ["lm_head", "re:.*gate$"]
sequential_targets=["Qwen3DecoderLayer"],
targets="Linear",
scheme="W4A16",
dampening_frac=0.01,
)
# 应用量化
oneshot(
model=model,
dataset=ds,
recipe=recipe,
max_seq_length=max_seq_len,
num_calibration_samples=num_samples,
)
# 以压缩张量格式保存到磁盘
save_path = model_name + "-quantized.w4a16"
model.save_pretrained(save_path)
tokenizer.save_pretrained(save_path)
print(f"Model and tokenizer saved to: {save_path}")
评估
该模型在 OpenLLM 排行榜任务(版本 1 和 2)上使用 lm-evaluation-harness 进行了评估,并在推理任务上使用 lighteval 进行了评估。
所有评估均使用 vLLM 完成。
评估详情
lm-evaluation-harness
lm_eval \
--model vllm \
--model_args pretrained="RedHatAI/Qwen3-30B-A3B-quantized.w4a16",dtype=auto,gpu_memory_utilization=0.5,max_model_len=8192,enable_chunk_prefill=True,tensor_parallel_size=1 \
--tasks openllm \
--apply_chat_template\
--fewshot_as_multiturn \
--batch_size auto
lm_eval \
--model vllm \
--model_args pretrained="RedHatAI/Qwen3-30B-A3B-quantized.w4a16",dtype=auto,gpu_memory_utilization=0.5,max_model_len=8192,enable_chunk_prefill=True,tensor_parallel_size=1 \
--tasks mgsm \
--apply_chat_template\
--batch_size auto
lm_eval \
--model vllm \
--model_args pretrained="RedHatAI/Qwen3-30B-A3B-quantized.w4a16",dtype=auto,gpu_memory_utilization=0.5,max_model_len=16384,enable_chunk_prefill=True,tensor_parallel_size=1 \
--tasks leaderboard \
--apply_chat_template\
--fewshot_as_multiturn \
--batch_size auto
lighteval
lighteval_model_arguments.yaml
model_parameters:
model_name: RedHatAI/Qwen3-30B-A3B-quantized.w4a16
dtype: auto
gpu_memory_utilization: 0.9
max_model_length: 40960
generation_parameters:
temperature: 0.6
top_k: 20
min_p: 0.0
top_p: 0.95
max_new_tokens: 32768
lighteval vllm \
--model_args lighteval_model_arguments.yaml \
--tasks lighteval|aime24|0|0 \
--use_chat_template = true
lighteval vllm \
--model_args lighteval_model_arguments.yaml \
--tasks lighteval|aime25|0|0 \
--use_chat_template = true
lighteval vllm \
--model_args lighteval_model_arguments.yaml \
--tasks lighteval|math_500|0|0 \
--use_chat_template = true
lighteval vllm \
--model_args lighteval_model_arguments.yaml \
--tasks lighteval|gpqa:diamond|0|0 \
--use_chat_template = true
lighteval vllm \
--model_args lighteval_model_arguments.yaml \
--tasks extended|lcb:codegeneration \
--use_chat_template = true
准确率
类别 | 基准 | Qwen3-30B-A3B | Qwen3-30B-A3B-quantized.w4a16 (本模型) |
恢复率 |
---|---|---|---|---|
OpenLLM v1 | MMLU (5-shot) | 77.67 | 76.11 | 98.00% |
ARC Challenge (25-shot) | 63.40 | 62.97 | 99.3% | |
GSM-8K (5-shot, 严格匹配) | 87.26 | 86.66 | 99.3% | |
Hellaswag (10-shot) | 54.33 | 54.76 | 100.8% | |
Winogrande (5-shot) | 66.77 | 64.33 | 96.3% | |
TruthfulQA (0-shot, mc2) | 56.27 | 54.76 | 97.3% | |
平均 | 67.62 | 66.60 | 98.5% | |
OpenLLM v2 | MMLU-Pro (5-shot) | 47.45 | 45.38 | 95.6% |
IFEval (0-shot) | 86.26 | 84.86 | 98.4% | |
BBH (3-shot) | 34.81 | 28.12 | 80.8% | |
Math-lvl-5 (4-shot) | 52.14 | 56.99 | 109.3% | |
GPQA (0-shot) | 0.31 | 0.60 | --- | |
MuSR (0-shot) | 8.09 | 9.05 | --- | |
平均 | 38.18 | 37.50 | 98.2% | |
多语言 | MGSM (0-shot) | 32.27 | 33,890 | 104.8% |
推理 (生成) |
AIME 2024 | 78.33 | 78.54 | 100.3% |
AIME 2025 | 71.46 | 70.31 | 98.4% | |
GPQA diamond | 62.63 | 62.12 | 99.2% | |
Math-lvl-5 | 97.60 | 97.20 | 99.6% | |
LiveCodeBench | 60.66 | 58.75 | 96.9% |
Phi 2 GGUF
其他
Phi-2是微软开发的一个小型但强大的语言模型,具有27亿参数,专注于高效推理和高质量文本生成。
大型语言模型
支持多种语言
P
TheBloke
41.5M
205
Roberta Large
MIT
基于掩码语言建模目标预训练的大型英语语言模型,采用改进的BERT训练方法
大型语言模型
英语
R
FacebookAI
19.4M
212
Distilbert Base Uncased
Apache-2.0
DistilBERT是BERT基础模型的蒸馏版本,在保持相近性能的同时更轻量高效,适用于序列分类、标记分类等自然语言处理任务。
大型语言模型
英语
D
distilbert
11.1M
669
Llama 3.1 8B Instruct GGUF
Meta Llama 3.1 8B Instruct 是一个多语言大语言模型,针对多语言对话用例进行了优化,在常见的行业基准测试中表现优异。
大型语言模型
英语
L
modularai
9.7M
4
Xlm Roberta Base
MIT
XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型,采用掩码语言建模目标进行训练。
大型语言模型
支持多种语言
X
FacebookAI
9.6M
664
Roberta Base
MIT
基于Transformer架构的英语预训练模型,通过掩码语言建模目标在海量文本上训练,支持文本特征提取和下游任务微调
大型语言模型
英语
R
FacebookAI
9.3M
488
Opt 125m
其他
OPT是由Meta AI发布的开放预训练Transformer语言模型套件,参数量从1.25亿到1750亿,旨在对标GPT-3系列性能,同时促进大规模语言模型的开放研究。
大型语言模型
英语
O
facebook
6.3M
198
Llama 3.1 8B Instruct
Llama 3.1是Meta推出的多语言大语言模型系列,包含8B、70B和405B参数规模,支持8种语言和代码生成,优化了多语言对话场景。
大型语言模型
Transformers

支持多种语言
L
meta-llama
5.7M
3,898
T5 Base
Apache-2.0
T5基础版是由Google开发的文本到文本转换Transformer模型,参数规模2.2亿,支持多语言NLP任务。
大型语言模型
支持多种语言
T
google-t5
5.4M
702
Xlm Roberta Large
MIT
XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型,采用掩码语言建模目标进行训练。
大型语言模型
支持多种语言
X
FacebookAI
5.3M
431
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文