Qwentilelambda2.5 32B Instruct

🚀 Qwentile Λ 2.5 32B Instruct

Qwentile Λ 2.5 32B Instruct是一個基於多個模型進行 歸一化去噪傅里葉插值 的模型，能夠在對話、文本生成等任務中表現出色，為用戶提供高質量的交互體驗。

🚀 快速開始

可以通過以下鏈接獲取相關模型文件： GGUF iMat

📚 詳細文檔

模型構成

Qwentile Λ 2.5 32B Instruct是以下模型的 歸一化去噪傅里葉插值 結果：

output_base_model: "maldv/Qwentile2.5-32B-Instruct"
output_dtype: "bfloat16"
finetune_merge:
  - { "model": "a-m-team/AM-Thinking-v1", "base": "Qwen/Qwen2.5-32B", "alpha": 0.9 }
  - { "model": "nvidia/OpenCodeReasoning-Nemotron-32B", "base": "Qwen/Qwen2.5-32B", "alpha": 0.8, "is_input": true}
  - { "model": "maldv/Loqwqtus2.5-32B-Instruct", "base": "Qwen/Qwen2.5-32B", "alpha": 0.9 }
  - { "model": "trashpanda-org/QwQ-32B-Snowdrop-v0", "base": "Qwen/Qwen2.5-32B", "alpha": 0.9 }
  - { "model": "ArliAI/QwQ-32B-ArliAI-RpR-v3", "base": "Qwen/Qwen2.5-32B", "alpha": 0.8 }

也就是說，所有這些模型在信號空間中進行扭曲和插值，然後再疊加到基礎模型（在這種情況下是Qwentile2.5 - 32B - Instruct）之上；不過使用了Nemotron OpenCodeReasoning的輸入層。

模型介紹

• 這是什麼模型？ 這是我一系列Qwen 2.5合併模型中的最新成果。最近發佈了一些非常優秀的模型，所以我以Qwentile為基礎將它們融合進來。該模型應該具備卓越的思考能力，甚至可能擁有一定的代碼處理能力。我對QReasoner2.5 - 32B - Instruct在高級推理方面的表現很滿意，但我認為這個新模型會更勝一籌。
• 這是一個 模型嗎？ 奇怪的是，鑑於它的模型譜系，我原本以為它會是一個專注于思考的模型，但實際上它幾乎無縫地將思考能力與創造性輸出融合在一起。在我最初的測試中，這種結合展現出了強大的能力。

📄 許可證

本項目採用Apache-2.0許可證。

📚 引用

如果您覺得我們的工作有幫助，請隨意引用我們的模型：

@misc{qwentile-labmda-2.5-32b-instruct,
    title = {Qwentile Λ 2.5 32B Instruct},
    url = {https://huggingface.co/maldv/QwentileLambda2.5-32B-Instruct},
    author = {Praxis Maldevide},
    month = {May},
    year = {2025}
}

📋 模型信息