開發者發布基於 Qwen3.8-Flash-Next 的開源模型 Victoria 與 Maple，採 REAP 裁剪與 NVFP4 訓練

據 Reddit 社群報導，開發者利用 Dell B300 伺服器，基於 Qwen3.8-Flash-Next 訓練並發布兩款開源權重模型 Victoria 與 Maple。 Victoria 專注於程式與 AI 代理，採用 REAP 技術裁剪 44% 的專家（每層 512 減至 288），並直接以 4-bit (NVFP4) 格式重新訓練，而非事後量化。在單張 B300 上搭配 draft head 推論速度達 280 tok/s。評測方面，Terminal-Bench 2.1 達 70.0%，HumanEval 為 159/164。其 GGUF Q4_K_M 版本大小約 49.17 GiB，因包含 draft head，目前需使用開發者提供的 llama.cpp 分支才能運行。 Maple 則針對加拿大稅務、福利與法規進行微調。在 600 題測試中，引用加拿大官方來源的比例從微調前的 6.0% 提升至 62.9%，完全正確率從 6.6% 升至 21.8%，同時將對非加拿大居民強推當地資訊的比例從 2.9% 降至 1.0%。其程式能力仍維持在 HumanEval 157/164 的水準。