Victoria и Maple: открытые модели на базе Qwen3.8-Flash-Next
2026-10-01 Farpoint Technologies опубликовала Victoria и Maple — две производные модели на базе Qwen3.8-Flash-Next. В Victoria число экспертов в каждом слое сокращено с 512 до 288, после чего модель дополнительно обучили в 4-битном формате NVFP4. Доступны сборки для vLLM и llama.cpp; размер весов составляет 48,0 GiB в NVFP4 и 49,17 GiB в GGUF Q4_K_M без учёта отдельной таблицы объёмом 95,4 GiB.
Victoria ориентирована на программирование и автономное выполнение задач. По данным разработчика, результат Terminal-Bench 2.1 составил 70,0% по итогам трёх запусков, HumanEval — 159 из 164 задач, а скорость на одной NVIDIA B300 достигла 279,6 токена в секунду с дополнительной головой прогнозирования. Независимых замеров этой сборки пока нет. Maple создана на основе Victoria и дополнительно настроена для ответов по налогам, льготам и регулированию Канады; веса обеих моделей распространяются по Qwen Community License 1.0, которая требует отдельного разрешения Qwen для некоторых коммерческих сервисов.
Релиз может быть полезен компаниям, которым нужна модель для разработки или канадского справочного сервиса с размещением в собственной инфраструктуре. Публичного API и цены в USD за 1M токенов нет, поэтому стоимость в рублях определяется арендой или покупкой оборудования; разработчик указывает работу Victoria на одной NVIDIA B300, но более доступные конфигурации потребуют отдельной проверки. Основные риски — отсутствие независимой оценки, высокие требования к памяти и временная необходимость специальной сборки llama.cpp для GGUF; перед внедрением стоит проверить качество на своих задачах и условия лицензии.