Modelo
LLMs & Texto
unsloth/Qwen3.8-27B-NVFP4
Modelo de modelo · 27 B de parâmetros — 653.0 mil downloads e 283 curtidas no Hugging Face.
Hugging Face · Modelos
·unsloth
·
·↓ 653042
·♥ 283
O modelo unsloth/Qwen3.8-27B-NVFP4 aparece entre os mais comentados do Hugging Face — um termômetro do que a comunidade está realmente usando agora na tarefa de modelo.
Ficha técnica
- Tarefa: modelo
- Parâmetros: 27 B
- Formatos: safetensors
- Licença: Apache 2.0
- Downloads: 653.0 mil · Curtidas: 283
Hardware recomendado
Estimativa de VRAM só para carregar os pesos (com ~20% de folga para ativações). Contextos longos consomem memória adicional para o cache de atenção (KV cache).
- Precisão original (16-bit): ~65 GB de VRAM — 1 GPU de data center (80 GB, ex. A100/H100)
- Quantizado 8-bit: ~32 GB de VRAM — 1 GPU profissional (48 GB, ex. A6000) ou 2× 24 GB
- Quantizado 4-bit: ~16 GB de VRAM — 1 GPU high-end (24 GB, ex. RTX 3090/4090)
Como rodar localmente
Carregue com a transformers usando o template de chat:
pip install -U transformers accelerate torch
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "unsloth/Qwen3.8-27B-NVFP4"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id, torch_dtype="auto", device_map="auto"
)
msgs = [{"role": "user", "content": "Explique o que é entropia."}]
inputs = tok.apply_chat_template(
msgs, add_generation_prompt=True, return_tensors="pt"
).to(model.device)
out = model.generate(inputs, max_new_tokens=256)
print(tok.decode(out[0][inputs.shape[-1]:], skip_special_tokens=True))Para servir como API (recomendado para modelos grandes), use o vLLM:
pip install vllm
vllm serve unsloth/Qwen3.8-27B-NVFP4Tags
safetensors qwen3_5 unsloth compressed-tensors
