🚀 Qwen3-30B-A3B-quantized.w4a16
このモデルは、Qwen3-30B-A3B の重みをINT4データ型に量子化することで得られたものです。この最適化により、パラメータごとのビット数が16から4に減少し、ディスクサイズとGPUメモリ要件が約75%削減されます。
✨ 主な機能
- モデルアーキテクチャ:Qwen3ForCausalLM
- モデルの最適化:重みの量子化(INT4)
- 想定される使用例:推論、関数呼び出し、微調整による専門家知識の活用、多言語命令の実行、翻訳
- 適用範囲外:適用される法律や規制(貿易コンプライアンス法律を含む)に違反する方法での使用
- リリース日:2025年5月5日
- バージョン:1.0
- モデル開発者:RedHat (Neural Magic)
📦 インストール
このモデルは、vLLM バックエンドを使用して効率的にデプロイできます。
💻 使用例
基本的な使用法
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)
高度な使用法
vLLMはOpenAI互換のサービングもサポートしています。詳細はドキュメントを参照してください。
📚 ドキュメント
作成方法
作成の詳細
このモデルは、[llm-compressor](https://github.com/vllm-project/llm-compressor) を使用して、以下のコードスニペットを実行することで作成されました。
from llmcompressor.modifiers.quantization import GPTQModifier
from llmcompressor.transformers import oneshot
from transformers import AutoModelForCausalLM, AutoTokenizer
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)
recipe = GPTQModifier(
ignore: ["lm_head", "re:.*gate$"]
sequential_targets=["Qwen3DecoderLayer"],
targets="Linear",
scheme="W4A16",
dampening_frac=0.01,
)
oneshot(
model=model,
dataset=ds,
recipe=recipe,
max_seq_length=max_seq_len,
num_calibration_samples=num_samples,
)
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}")
評価
このモデルは、lm-evaluation-harness を使用してOpenLLMリーダーボードタスク(バージョン1と2)で評価され、lighteval を使用して推論タスクで評価されました。すべての評価には vLLM が使用されました。
評価の詳細
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
精度
カテゴリ |
ベンチマーク |
Qwen3-30B-A3B |
Qwen3-30B-A3B-quantized.w4a16 (このモデル) |
回復率 |
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, strict-match) |
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% |
多言語 |
MGSM (0-shot) |
32.27 |
33,890 |
104.8% |
推論 (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% |
📄 ライセンス
このモデルは、Apache-2.0ライセンスの下で提供されています。