Bielik-PL-Minitron-7B-v3.0-Instruct — NVFP4 (W4A4)

Kwantyzacja NVFP4 (W4A4) modelu speakleash/Bielik-PL-Minitron-7B-v3.0-Instruct, w formacie compressed-tensors (nvfp4-pack-quantized) gotowym do vLLM.

  • Wagi: 4-bit (FP4 E2M1), grupy po 16, blokowe skale FP8 (E4M3) + globalna skala FP32
  • Aktywacje: 4-bit FP4 (dynamiczne, per-grupa)
  • Pominięte: lm_head (pełna precyzja)
  • Rozmiar: 14 GB (bf16) → **4,3 GB**

Kalibracja

PTQ przez llm-compressor, 512 próbek polskiej Wikipedii, długość sekwencji 2048. Kalibracja na polskim tekście dla zachowania jakości w języku docelowym.

Sprzęt

NVFP4 jest akcelerowany sprzętowo na Blackwellu (sm_100+). Na starszych GPU (np. Ada/RTX 4090) vLLM ładuje model przez kernel Marlin (weight-only FP4) — działa wszędzie, zysk to mniejszy VRAM.

Użycie (vLLM)

vllm serve <repo>/Bielik-PL-Minitron-7B-v3.0-Instruct-NVFP4 --max-model-len 8192

Speculative decoding z draftem Bielik-1.5B-NVFP4 (ten sam tokenizer, num_speculative_tokens=2 optymalne na RTX 4090):

vllm serve <repo>/Bielik-PL-Minitron-7B-v3.0-Instruct-NVFP4 --max-model-len 8192 \
  --speculative-config '{"model": "<repo>/Bielik-1.5B-NVFP4", "num_speculative_tokens": 2}'

Licencja i atrybucja

Apache-2.0, dziedziczona z modelu bazowego. Model bazowy: SpeakLeash & ACK Cyfronet AGH. Ten checkpoint to wyłącznie kwantyzacja oryginalnych wag.

Downloads last month
19
Safetensors
Model size
4B params
Tensor type
F32
·
BF16
·
F8_E4M3
·
U8
·
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for TentaFlow/Bielik-PL-Minitron-7B-NVFP4