Skip to content
Computer vision

Kataguru-Polyglot-264E-35B-A3B

мультиязычный MoE-гигант на 264 эксперта

3 min readupdated

Финская компания Datasein Oy выпустила мультиязычную мультимодальную модель для работы с текстом и изображениями (VLM), программирования и точных наук. Она построена на базе Qwen3.5-35B-A3B и Kataguru-Sceptic-35B-A3B-v3.1 с архитектурой MoE (Mixture-of-Experts — смесь экспертов, где для каждого токена активируется только часть сети): общий объём составляет 36,98 млрд параметров, но за раз работают лишь 8 экспертов. Авторы расширили сеть до 264 экспертов, добавив 10 выделенных языковых слотов для финского, эстонского, венгерского, литовского, латышского, исландского, баскского, грузинского, валлийского и турецкого языков в дополнение к английскому. В отличие от базовой модели, новинка переводит напрямую между всеми 110 языковыми парами без промежуточного перевода через английский и без внешних скриптов маршрутизации, а также сняты цензурные ограничения (SOMA/ARA). Модель пригодится разработчикам мультиязычных сервисов, исследователям и энтузиастам, работающим с редкими европейскими и соседними языками.

Ключевые особенности

  • Архитектура 254 + 10 экспертов: 254 замороженных ядра отвечают за STEM, код и вызов инструментов, а 10 выделенных слотов специализируются на конкретных языках.
  • Сохранена мультимодальность: 27-слойный визуальный энкодер ViT, спекулятивная голова MTP и нативное контекстное окно перенесены из базы без изменений.
  • Прямой кросс-языковой перевод и RAG через специальные теги в промпте (/translate / и /rag /) без привязки к английскому языку.
  • Поддержка гибких режимов рассуждений и ролей через теги [INSPECT], [CURATE], [SURGEON], [DECISION] и управление глубиной размышлений.

Что можно сделать

  • Развернуть локальный OpenAI-совместимый API-сервер через vLLM для мультиязычного ассистента с поддержкой вызова функций (tool calling) и анализа изображений.
  • Использовать для прямого перевода текстов и документации между 11 языками (например, с грузинского или финского сразу на турецкий или эстонский) без потери смысла на промежуточном английском.
  • Встроить в кросс-языковой поиск по документам (RAG), подавая контекст на одном языке и получая точные ответы на другом.

Пример

python3 -m vllm.entrypoints.openai.api_server \
  --model "kataguru/Kataguru-Polyglot-264E-35B-A3B" \
  --tensor-parallel-size 4 \
  --max-model-len 65536 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder \
  --reasoning-parser qwen3 \
  --host 0.0.0.0 --port 8003
Подробнее Бенчмарки (замерены на квантованной версии NVFP4): среднее по 15 тестам — 69,70%, GPQA Diamond (PhD STEM) — 68,18%, GSM8K — 87,64%, BFCL V4 (вызов функций) — 83,47%, LiveCodeBench v6 — 36,00%.
Требования к железу: веса в полном формате BF16 занимают 68,89 ГБ на диске; для запуска в vLLM рекомендуется от 80 ГБ суммарной VRAM (конфигурация TP=2 или TP=4); также авторы выпустили версии NVFP4, W4A16-AWQ и GGUF.
Ограничения: для строгого прямого перевода без вывода цепочки рассуждений лучше отключать режим размышлений (think=False, точность 13/14 на Live-14 против 10/14 при think=True).
Лицензия: веса и конфиги открыты под Apache-2.0 (с сохранением файла NOTICE).
Discuss Telegram 0 29

Will it run?

Runs in 4-bit

Full precision does not fit, a quantised version does: quality barely changes down to 8 bits, more noticeably at 4 bits.

  • BF16weights 69 GB · ready files76 GB
  • FP8 / INT8recommendedweights 34 GB38 GB
  • 4-bitweights 19 GB22 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # kataguru/Kataguru-Polyglot-264E-35B-A3B
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download kataguru/Kataguru-Polyglot-264E-35B-A3B --local-dir ~/models/Kataguru-Polyglot-264E-35B-A3B
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

  1. Qwen3.5-35B-A3B-Basefamily root
  2. Qwen3.5-35B-A3B
  3. Kataguru-Sceptic-35B-A3B-v3.1
  4. Kataguru-Polyglot-264E-35B-A3B

New posts about versions of Qwen3.5-35B-A3B-Base (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 1All on Hugging Face
Merges 2All on Hugging Face

About the model

kataguru/Kataguru-Polyglot-264E-35B-A3B
Author
kataguru
Category
Computer vision
Released
Posted

On NeyroLearn

Hugging Face

290

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments