TentaFlow's picture
Upload folder using huggingface_hub
57d8b5d verified
|
Raw
History Blame Contribute Delete
1.44 kB
metadata
license: apache-2.0
language:
  - pl
base_model:
  - speakleash/Bielik-4.5B-v3.0-Instruct
pipeline_tag: text-generation
library_name: transformers
tags:
  - bielik
  - polish
  - nvfp4
  - fp4
  - compressed-tensors
  - vllm
  - quantized

Bielik-4.5B-v3.0-Instruct — NVFP4 (W4A4)

Kwantyzacja NVFP4 (W4A4) modelu speakleash/Bielik-4.5B-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: 8,9 GB (bf16) → **2,7 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-4.5B-v3.0-Instruct-NVFP4 --max-model-len 8192

Licencja i atrybucja

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