N Neurarch Architectures Models Checks Data Docs Open the app

Models / qwen3

Qwen3-32B

Reconstructed from its own config.json with no weights read. 5.2M downloads on Hugging Face.

Our count against the checkpoint

The left number comes from the graph. The right one is the number of scalars in the published weight files. Nothing on this page was tuned to make them agree.

Derived from structure
32.76B
32,762,258,816 parameters
In the published checkpoint
32.76B
32,762,123,264 scalars · safetensors.total, read 2025-07-26
Delta
+0.00%

What it costs to run

Cost is a roofline estimate on the priced GPU for 10 epochs at batch 32 over 50,000 samples (assumed; no dataset attached). GPU fit is fp32 weights plus gradients plus two Adam moments (16 bytes per parameter) with 1.3x headroom; activations are not included and grow with batch size.

Layers
388
Will it forward-pass
Yes
Priced on
A10G (24GB)
Est. one run
$81956.66
CardMemory
T4 (16GB)weights + activationsdoes not fit
A100 (40GB)weights + activationsdoes not fit
H100 (80GB)weights + activationsdoes not fit

Structure

390 nodes. Output shapes are propagated from the input shape, batch dimension excluded.

LayerTypeOutput shape
1InputInput1 × 40960
2EmbeddingEmbedding1 × 40960 × 5120
3RoPERoPE1 × 40960 × 5120
4RMSNorm_1_1RMSNorm1 × 40960 × 5120
5Attention_1Grouped Query Attn1 × 40960 × 5120
6Add_1_attnAdd1 × 40960 × 5120
7RMSNorm_1_2RMSNorm1 × 40960 × 5120
8FFN_1SwiGLU1 × 40960 × 5120
9Add_1_ffnAdd1 × 40960 × 5120
10RMSNorm_2_1RMSNorm1 × 40960 × 5120
11Attention_2Grouped Query Attn1 × 40960 × 5120
12Add_2_attnAdd1 × 40960 × 5120
13RMSNorm_2_2RMSNorm1 × 40960 × 5120
14FFN_2SwiGLU1 × 40960 × 5120
15Add_2_ffnAdd1 × 40960 × 5120
16RMSNorm_3_1RMSNorm1 × 40960 × 5120
17Attention_3Grouped Query Attn1 × 40960 × 5120
18Add_3_attnAdd1 × 40960 × 5120
19RMSNorm_3_2RMSNorm1 × 40960 × 5120
20FFN_3SwiGLU1 × 40960 × 5120
21Add_3_ffnAdd1 × 40960 × 5120
22RMSNorm_4_1RMSNorm1 × 40960 × 5120
23Attention_4Grouped Query Attn1 × 40960 × 5120
24Add_4_attnAdd1 × 40960 × 5120
25RMSNorm_4_2RMSNorm1 × 40960 × 5120
26FFN_4SwiGLU1 × 40960 × 5120
27Add_4_ffnAdd1 × 40960 × 5120
28RMSNorm_5_1RMSNorm1 × 40960 × 5120
29Attention_5Grouped Query Attn1 × 40960 × 5120
30Add_5_attnAdd1 × 40960 × 5120
31RMSNorm_5_2RMSNorm1 × 40960 × 5120
32FFN_5SwiGLU1 × 40960 × 5120
33Add_5_ffnAdd1 × 40960 × 5120
34RMSNorm_6_1RMSNorm1 × 40960 × 5120
35Attention_6Grouped Query Attn1 × 40960 × 5120
36Add_6_attnAdd1 × 40960 × 5120
37RMSNorm_6_2RMSNorm1 × 40960 × 5120
38FFN_6SwiGLU1 × 40960 × 5120
39Add_6_ffnAdd1 × 40960 × 5120
40RMSNorm_7_1RMSNorm1 × 40960 × 5120
41Attention_7Grouped Query Attn1 × 40960 × 5120
42Add_7_attnAdd1 × 40960 × 5120
43RMSNorm_7_2RMSNorm1 × 40960 × 5120
44FFN_7SwiGLU1 × 40960 × 5120
45Add_7_ffnAdd1 × 40960 × 5120
46RMSNorm_8_1RMSNorm1 × 40960 × 5120
47Attention_8Grouped Query Attn1 × 40960 × 5120
48Add_8_attnAdd1 × 40960 × 5120
49RMSNorm_8_2RMSNorm1 × 40960 × 5120
50FFN_8SwiGLU1 × 40960 × 5120
51Add_8_ffnAdd1 × 40960 × 5120
52RMSNorm_9_1RMSNorm1 × 40960 × 5120
53Attention_9Grouped Query Attn1 × 40960 × 5120
54Add_9_attnAdd1 × 40960 × 5120
55RMSNorm_9_2RMSNorm1 × 40960 × 5120
56FFN_9SwiGLU1 × 40960 × 5120
57Add_9_ffnAdd1 × 40960 × 5120
58RMSNorm_10_1RMSNorm1 × 40960 × 5120
59Attention_10Grouped Query Attn1 × 40960 × 5120
60Add_10_attnAdd1 × 40960 × 5120
61RMSNorm_10_2RMSNorm1 × 40960 × 5120
62FFN_10SwiGLU1 × 40960 × 5120
63Add_10_ffnAdd1 × 40960 × 5120
64RMSNorm_11_1RMSNorm1 × 40960 × 5120
65Attention_11Grouped Query Attn1 × 40960 × 5120
66Add_11_attnAdd1 × 40960 × 5120
67RMSNorm_11_2RMSNorm1 × 40960 × 5120
68FFN_11SwiGLU1 × 40960 × 5120
69Add_11_ffnAdd1 × 40960 × 5120
70RMSNorm_12_1RMSNorm1 × 40960 × 5120
71Attention_12Grouped Query Attn1 × 40960 × 5120
72Add_12_attnAdd1 × 40960 × 5120
73RMSNorm_12_2RMSNorm1 × 40960 × 5120
74FFN_12SwiGLU1 × 40960 × 5120
75Add_12_ffnAdd1 × 40960 × 5120
76RMSNorm_13_1RMSNorm1 × 40960 × 5120
77Attention_13Grouped Query Attn1 × 40960 × 5120
78Add_13_attnAdd1 × 40960 × 5120
79RMSNorm_13_2RMSNorm1 × 40960 × 5120
80FFN_13SwiGLU1 × 40960 × 5120
81Add_13_ffnAdd1 × 40960 × 5120
82RMSNorm_14_1RMSNorm1 × 40960 × 5120
83Attention_14Grouped Query Attn1 × 40960 × 5120
84Add_14_attnAdd1 × 40960 × 5120
85RMSNorm_14_2RMSNorm1 × 40960 × 5120
86FFN_14SwiGLU1 × 40960 × 5120
87Add_14_ffnAdd1 × 40960 × 5120
88RMSNorm_15_1RMSNorm1 × 40960 × 5120
89Attention_15Grouped Query Attn1 × 40960 × 5120
90Add_15_attnAdd1 × 40960 × 5120
91RMSNorm_15_2RMSNorm1 × 40960 × 5120
92FFN_15SwiGLU1 × 40960 × 5120
93Add_15_ffnAdd1 × 40960 × 5120
94RMSNorm_16_1RMSNorm1 × 40960 × 5120
95Attention_16Grouped Query Attn1 × 40960 × 5120
96Add_16_attnAdd1 × 40960 × 5120
97RMSNorm_16_2RMSNorm1 × 40960 × 5120
98FFN_16SwiGLU1 × 40960 × 5120
99Add_16_ffnAdd1 × 40960 × 5120
100RMSNorm_17_1RMSNorm1 × 40960 × 5120
101Attention_17Grouped Query Attn1 × 40960 × 5120
102Add_17_attnAdd1 × 40960 × 5120
103RMSNorm_17_2RMSNorm1 × 40960 × 5120
104FFN_17SwiGLU1 × 40960 × 5120
105Add_17_ffnAdd1 × 40960 × 5120
106RMSNorm_18_1RMSNorm1 × 40960 × 5120
107Attention_18Grouped Query Attn1 × 40960 × 5120
108Add_18_attnAdd1 × 40960 × 5120
109RMSNorm_18_2RMSNorm1 × 40960 × 5120
110FFN_18SwiGLU1 × 40960 × 5120
111Add_18_ffnAdd1 × 40960 × 5120
112RMSNorm_19_1RMSNorm1 × 40960 × 5120
113Attention_19Grouped Query Attn1 × 40960 × 5120
114Add_19_attnAdd1 × 40960 × 5120
115RMSNorm_19_2RMSNorm1 × 40960 × 5120
116FFN_19SwiGLU1 × 40960 × 5120
117Add_19_ffnAdd1 × 40960 × 5120
118RMSNorm_20_1RMSNorm1 × 40960 × 5120
119Attention_20Grouped Query Attn1 × 40960 × 5120
120Add_20_attnAdd1 × 40960 × 5120
121RMSNorm_20_2RMSNorm1 × 40960 × 5120
122FFN_20SwiGLU1 × 40960 × 5120
123Add_20_ffnAdd1 × 40960 × 5120
124RMSNorm_21_1RMSNorm1 × 40960 × 5120
125Attention_21Grouped Query Attn1 × 40960 × 5120
126Add_21_attnAdd1 × 40960 × 5120
127RMSNorm_21_2RMSNorm1 × 40960 × 5120
128FFN_21SwiGLU1 × 40960 × 5120
129Add_21_ffnAdd1 × 40960 × 5120
130RMSNorm_22_1RMSNorm1 × 40960 × 5120
131Attention_22Grouped Query Attn1 × 40960 × 5120
132Add_22_attnAdd1 × 40960 × 5120
133RMSNorm_22_2RMSNorm1 × 40960 × 5120
134FFN_22SwiGLU1 × 40960 × 5120
135Add_22_ffnAdd1 × 40960 × 5120
136RMSNorm_23_1RMSNorm1 × 40960 × 5120
137Attention_23Grouped Query Attn1 × 40960 × 5120
138Add_23_attnAdd1 × 40960 × 5120
139RMSNorm_23_2RMSNorm1 × 40960 × 5120
140FFN_23SwiGLU1 × 40960 × 5120
141Add_23_ffnAdd1 × 40960 × 5120
142RMSNorm_24_1RMSNorm1 × 40960 × 5120
143Attention_24Grouped Query Attn1 × 40960 × 5120
144Add_24_attnAdd1 × 40960 × 5120
145RMSNorm_24_2RMSNorm1 × 40960 × 5120
146FFN_24SwiGLU1 × 40960 × 5120
147Add_24_ffnAdd1 × 40960 × 5120
148RMSNorm_25_1RMSNorm1 × 40960 × 5120
149Attention_25Grouped Query Attn1 × 40960 × 5120
150Add_25_attnAdd1 × 40960 × 5120
151RMSNorm_25_2RMSNorm1 × 40960 × 5120
152FFN_25SwiGLU1 × 40960 × 5120
153Add_25_ffnAdd1 × 40960 × 5120
154RMSNorm_26_1RMSNorm1 × 40960 × 5120
155Attention_26Grouped Query Attn1 × 40960 × 5120
156Add_26_attnAdd1 × 40960 × 5120
157RMSNorm_26_2RMSNorm1 × 40960 × 5120
158FFN_26SwiGLU1 × 40960 × 5120
159Add_26_ffnAdd1 × 40960 × 5120
160RMSNorm_27_1RMSNorm1 × 40960 × 5120
161Attention_27Grouped Query Attn1 × 40960 × 5120
162Add_27_attnAdd1 × 40960 × 5120
163RMSNorm_27_2RMSNorm1 × 40960 × 5120
164FFN_27SwiGLU1 × 40960 × 5120
165Add_27_ffnAdd1 × 40960 × 5120
166RMSNorm_28_1RMSNorm1 × 40960 × 5120
167Attention_28Grouped Query Attn1 × 40960 × 5120
168Add_28_attnAdd1 × 40960 × 5120
169RMSNorm_28_2RMSNorm1 × 40960 × 5120
170FFN_28SwiGLU1 × 40960 × 5120
171Add_28_ffnAdd1 × 40960 × 5120
172RMSNorm_29_1RMSNorm1 × 40960 × 5120
173Attention_29Grouped Query Attn1 × 40960 × 5120
174Add_29_attnAdd1 × 40960 × 5120
175RMSNorm_29_2RMSNorm1 × 40960 × 5120
176FFN_29SwiGLU1 × 40960 × 5120
177Add_29_ffnAdd1 × 40960 × 5120
178RMSNorm_30_1RMSNorm1 × 40960 × 5120
179Attention_30Grouped Query Attn1 × 40960 × 5120
180Add_30_attnAdd1 × 40960 × 5120
181RMSNorm_30_2RMSNorm1 × 40960 × 5120
182FFN_30SwiGLU1 × 40960 × 5120
183Add_30_ffnAdd1 × 40960 × 5120
184RMSNorm_31_1RMSNorm1 × 40960 × 5120
185Attention_31Grouped Query Attn1 × 40960 × 5120
186Add_31_attnAdd1 × 40960 × 5120
187RMSNorm_31_2RMSNorm1 × 40960 × 5120
188FFN_31SwiGLU1 × 40960 × 5120
189Add_31_ffnAdd1 × 40960 × 5120
190RMSNorm_32_1RMSNorm1 × 40960 × 5120
191Attention_32Grouped Query Attn1 × 40960 × 5120
192Add_32_attnAdd1 × 40960 × 5120
193RMSNorm_32_2RMSNorm1 × 40960 × 5120
194FFN_32SwiGLU1 × 40960 × 5120
195Add_32_ffnAdd1 × 40960 × 5120
196RMSNorm_33_1RMSNorm1 × 40960 × 5120
197Attention_33Grouped Query Attn1 × 40960 × 5120
198Add_33_attnAdd1 × 40960 × 5120
199RMSNorm_33_2RMSNorm1 × 40960 × 5120
200FFN_33SwiGLU1 × 40960 × 5120
201Add_33_ffnAdd1 × 40960 × 5120
202RMSNorm_34_1RMSNorm1 × 40960 × 5120
203Attention_34Grouped Query Attn1 × 40960 × 5120
204Add_34_attnAdd1 × 40960 × 5120
205RMSNorm_34_2RMSNorm1 × 40960 × 5120
206FFN_34SwiGLU1 × 40960 × 5120
207Add_34_ffnAdd1 × 40960 × 5120
208RMSNorm_35_1RMSNorm1 × 40960 × 5120
209Attention_35Grouped Query Attn1 × 40960 × 5120
210Add_35_attnAdd1 × 40960 × 5120
211RMSNorm_35_2RMSNorm1 × 40960 × 5120
212FFN_35SwiGLU1 × 40960 × 5120
213Add_35_ffnAdd1 × 40960 × 5120
214RMSNorm_36_1RMSNorm1 × 40960 × 5120
215Attention_36Grouped Query Attn1 × 40960 × 5120
216Add_36_attnAdd1 × 40960 × 5120
217RMSNorm_36_2RMSNorm1 × 40960 × 5120
218FFN_36SwiGLU1 × 40960 × 5120
219Add_36_ffnAdd1 × 40960 × 5120
220RMSNorm_37_1RMSNorm1 × 40960 × 5120
221Attention_37Grouped Query Attn1 × 40960 × 5120
222Add_37_attnAdd1 × 40960 × 5120
223RMSNorm_37_2RMSNorm1 × 40960 × 5120
224FFN_37SwiGLU1 × 40960 × 5120
225Add_37_ffnAdd1 × 40960 × 5120
226RMSNorm_38_1RMSNorm1 × 40960 × 5120
227Attention_38Grouped Query Attn1 × 40960 × 5120
228Add_38_attnAdd1 × 40960 × 5120
229RMSNorm_38_2RMSNorm1 × 40960 × 5120
230FFN_38SwiGLU1 × 40960 × 5120
231Add_38_ffnAdd1 × 40960 × 5120
232RMSNorm_39_1RMSNorm1 × 40960 × 5120
233Attention_39Grouped Query Attn1 × 40960 × 5120
234Add_39_attnAdd1 × 40960 × 5120
235RMSNorm_39_2RMSNorm1 × 40960 × 5120
236FFN_39SwiGLU1 × 40960 × 5120
237Add_39_ffnAdd1 × 40960 × 5120
238RMSNorm_40_1RMSNorm1 × 40960 × 5120
239Attention_40Grouped Query Attn1 × 40960 × 5120
240Add_40_attnAdd1 × 40960 × 5120
241RMSNorm_40_2RMSNorm1 × 40960 × 5120
242FFN_40SwiGLU1 × 40960 × 5120
243Add_40_ffnAdd1 × 40960 × 5120
244RMSNorm_41_1RMSNorm1 × 40960 × 5120
245Attention_41Grouped Query Attn1 × 40960 × 5120
246Add_41_attnAdd1 × 40960 × 5120
247RMSNorm_41_2RMSNorm1 × 40960 × 5120
248FFN_41SwiGLU1 × 40960 × 5120
249Add_41_ffnAdd1 × 40960 × 5120
250RMSNorm_42_1RMSNorm1 × 40960 × 5120
251Attention_42Grouped Query Attn1 × 40960 × 5120
252Add_42_attnAdd1 × 40960 × 5120
253RMSNorm_42_2RMSNorm1 × 40960 × 5120
254FFN_42SwiGLU1 × 40960 × 5120
255Add_42_ffnAdd1 × 40960 × 5120
256RMSNorm_43_1RMSNorm1 × 40960 × 5120
257Attention_43Grouped Query Attn1 × 40960 × 5120
258Add_43_attnAdd1 × 40960 × 5120
259RMSNorm_43_2RMSNorm1 × 40960 × 5120
260FFN_43SwiGLU1 × 40960 × 5120
261Add_43_ffnAdd1 × 40960 × 5120
262RMSNorm_44_1RMSNorm1 × 40960 × 5120
263Attention_44Grouped Query Attn1 × 40960 × 5120
264Add_44_attnAdd1 × 40960 × 5120
265RMSNorm_44_2RMSNorm1 × 40960 × 5120
266FFN_44SwiGLU1 × 40960 × 5120
267Add_44_ffnAdd1 × 40960 × 5120
268RMSNorm_45_1RMSNorm1 × 40960 × 5120
269Attention_45Grouped Query Attn1 × 40960 × 5120
270Add_45_attnAdd1 × 40960 × 5120
271RMSNorm_45_2RMSNorm1 × 40960 × 5120
272FFN_45SwiGLU1 × 40960 × 5120
273Add_45_ffnAdd1 × 40960 × 5120
274RMSNorm_46_1RMSNorm1 × 40960 × 5120
275Attention_46Grouped Query Attn1 × 40960 × 5120
276Add_46_attnAdd1 × 40960 × 5120
277RMSNorm_46_2RMSNorm1 × 40960 × 5120
278FFN_46SwiGLU1 × 40960 × 5120
279Add_46_ffnAdd1 × 40960 × 5120
280RMSNorm_47_1RMSNorm1 × 40960 × 5120
281Attention_47Grouped Query Attn1 × 40960 × 5120
282Add_47_attnAdd1 × 40960 × 5120
283RMSNorm_47_2RMSNorm1 × 40960 × 5120
284FFN_47SwiGLU1 × 40960 × 5120
285Add_47_ffnAdd1 × 40960 × 5120
286RMSNorm_48_1RMSNorm1 × 40960 × 5120
287Attention_48Grouped Query Attn1 × 40960 × 5120
288Add_48_attnAdd1 × 40960 × 5120
289RMSNorm_48_2RMSNorm1 × 40960 × 5120
290FFN_48SwiGLU1 × 40960 × 5120
291Add_48_ffnAdd1 × 40960 × 5120
292RMSNorm_49_1RMSNorm1 × 40960 × 5120
293Attention_49Grouped Query Attn1 × 40960 × 5120
294Add_49_attnAdd1 × 40960 × 5120
295RMSNorm_49_2RMSNorm1 × 40960 × 5120
296FFN_49SwiGLU1 × 40960 × 5120
297Add_49_ffnAdd1 × 40960 × 5120
298RMSNorm_50_1RMSNorm1 × 40960 × 5120
299Attention_50Grouped Query Attn1 × 40960 × 5120
300Add_50_attnAdd1 × 40960 × 5120
301RMSNorm_50_2RMSNorm1 × 40960 × 5120
302FFN_50SwiGLU1 × 40960 × 5120
303Add_50_ffnAdd1 × 40960 × 5120
304RMSNorm_51_1RMSNorm1 × 40960 × 5120
305Attention_51Grouped Query Attn1 × 40960 × 5120
306Add_51_attnAdd1 × 40960 × 5120
307RMSNorm_51_2RMSNorm1 × 40960 × 5120
308FFN_51SwiGLU1 × 40960 × 5120
309Add_51_ffnAdd1 × 40960 × 5120
310RMSNorm_52_1RMSNorm1 × 40960 × 5120
311Attention_52Grouped Query Attn1 × 40960 × 5120
312Add_52_attnAdd1 × 40960 × 5120
313RMSNorm_52_2RMSNorm1 × 40960 × 5120
314FFN_52SwiGLU1 × 40960 × 5120
315Add_52_ffnAdd1 × 40960 × 5120
316RMSNorm_53_1RMSNorm1 × 40960 × 5120
317Attention_53Grouped Query Attn1 × 40960 × 5120
318Add_53_attnAdd1 × 40960 × 5120
319RMSNorm_53_2RMSNorm1 × 40960 × 5120
320FFN_53SwiGLU1 × 40960 × 5120
321Add_53_ffnAdd1 × 40960 × 5120
322RMSNorm_54_1RMSNorm1 × 40960 × 5120
323Attention_54Grouped Query Attn1 × 40960 × 5120
324Add_54_attnAdd1 × 40960 × 5120
325RMSNorm_54_2RMSNorm1 × 40960 × 5120
326FFN_54SwiGLU1 × 40960 × 5120
327Add_54_ffnAdd1 × 40960 × 5120
328RMSNorm_55_1RMSNorm1 × 40960 × 5120
329Attention_55Grouped Query Attn1 × 40960 × 5120
330Add_55_attnAdd1 × 40960 × 5120
331RMSNorm_55_2RMSNorm1 × 40960 × 5120
332FFN_55SwiGLU1 × 40960 × 5120
333Add_55_ffnAdd1 × 40960 × 5120
334RMSNorm_56_1RMSNorm1 × 40960 × 5120
335Attention_56Grouped Query Attn1 × 40960 × 5120
336Add_56_attnAdd1 × 40960 × 5120
337RMSNorm_56_2RMSNorm1 × 40960 × 5120
338FFN_56SwiGLU1 × 40960 × 5120
339Add_56_ffnAdd1 × 40960 × 5120
340RMSNorm_57_1RMSNorm1 × 40960 × 5120
341Attention_57Grouped Query Attn1 × 40960 × 5120
342Add_57_attnAdd1 × 40960 × 5120
343RMSNorm_57_2RMSNorm1 × 40960 × 5120
344FFN_57SwiGLU1 × 40960 × 5120
345Add_57_ffnAdd1 × 40960 × 5120
346RMSNorm_58_1RMSNorm1 × 40960 × 5120
347Attention_58Grouped Query Attn1 × 40960 × 5120
348Add_58_attnAdd1 × 40960 × 5120
349RMSNorm_58_2RMSNorm1 × 40960 × 5120
350FFN_58SwiGLU1 × 40960 × 5120
351Add_58_ffnAdd1 × 40960 × 5120
352RMSNorm_59_1RMSNorm1 × 40960 × 5120
353Attention_59Grouped Query Attn1 × 40960 × 5120
354Add_59_attnAdd1 × 40960 × 5120
355RMSNorm_59_2RMSNorm1 × 40960 × 5120
356FFN_59SwiGLU1 × 40960 × 5120
357Add_59_ffnAdd1 × 40960 × 5120
358RMSNorm_60_1RMSNorm1 × 40960 × 5120
359Attention_60Grouped Query Attn1 × 40960 × 5120
360Add_60_attnAdd1 × 40960 × 5120
361RMSNorm_60_2RMSNorm1 × 40960 × 5120
362FFN_60SwiGLU1 × 40960 × 5120
363Add_60_ffnAdd1 × 40960 × 5120
364RMSNorm_61_1RMSNorm1 × 40960 × 5120
365Attention_61Grouped Query Attn1 × 40960 × 5120
366Add_61_attnAdd1 × 40960 × 5120
367RMSNorm_61_2RMSNorm1 × 40960 × 5120
368FFN_61SwiGLU1 × 40960 × 5120
369Add_61_ffnAdd1 × 40960 × 5120
370RMSNorm_62_1RMSNorm1 × 40960 × 5120
371Attention_62Grouped Query Attn1 × 40960 × 5120
372Add_62_attnAdd1 × 40960 × 5120
373RMSNorm_62_2RMSNorm1 × 40960 × 5120
374FFN_62SwiGLU1 × 40960 × 5120
375Add_62_ffnAdd1 × 40960 × 5120
376RMSNorm_63_1RMSNorm1 × 40960 × 5120
377Attention_63Grouped Query Attn1 × 40960 × 5120
378Add_63_attnAdd1 × 40960 × 5120
379RMSNorm_63_2RMSNorm1 × 40960 × 5120
380FFN_63SwiGLU1 × 40960 × 5120
381Add_63_ffnAdd1 × 40960 × 5120
382RMSNorm_64_1RMSNorm1 × 40960 × 5120
383Attention_64Grouped Query Attn1 × 40960 × 5120
384Add_64_attnAdd1 × 40960 × 5120
385RMSNorm_64_2RMSNorm1 × 40960 × 5120
386FFN_64SwiGLU1 × 40960 × 5120
387Add_64_ffnAdd1 × 40960 × 5120
388Final_RMSNormRMSNorm1 × 40960 × 5120
389LM_HeadLinear1 × 40960 × 151936
390OutputOutput1 × 40960 × 151936

What the verifier says

infoAt 64 stacked attention layers, residual-branch outputs add up; unscaled init lets activation variance grow with depth. GPT-2/LLaMA-family models scale the residual projections by depth (N(0, 0.02 / √(2L))). Fix: Scale residual output projections by depth: nn.init.normal_(w, std=0.02 / math.sqrt(2 * n_layers))
deep-attention-default-init

Do this to your own model

Same numbers, on a model in your repo, in one command. No account.

pip install neurarch-trace
neurarch-trace Qwen/Qwen3-32B --plan --share

Other qwen3 checkpoints

jina-reranker-v3
596M derived · -0.13% against the checkpoint
Kimi-K3-DSpark
4.26B derived · +89.3% against the checkpoint
Qwen3-0.6B
596M derived · -20.7% against the checkpoint
Qwen3-1.7B
1.72B derived · -15.3% against the checkpoint