Qwentilelambda2.5 32B Instruct

🚀 Qwentile Λ 2.5 32B Instruct

Qwentile Λ 2.5 32B Instruct是一个基于多个模型进行 归一化去噪傅里叶插值 的模型，能够在对话、文本生成等任务中表现出色，为用户提供高质量的交互体验。

🚀 快速开始

可以通过以下链接获取相关模型文件： GGUF iMat

📚 详细文档

模型构成

Qwentile Λ 2.5 32B Instruct是以下模型的 归一化去噪傅里叶插值 结果：

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 }

也就是说，所有这些模型在信号空间中进行扭曲和插值，然后再叠加到基础模型（在这种情况下是Qwentile2.5 - 32B - Instruct）之上；不过使用了Nemotron OpenCodeReasoning的输入层。

模型介绍

• 这是什么模型？ 这是我一系列Qwen 2.5合并模型中的最新成果。最近发布了一些非常优秀的模型，所以我以Qwentile为基础将它们融合进来。该模型应该具备卓越的思考能力，甚至可能拥有一定的代码处理能力。我对QReasoner2.5 - 32B - Instruct在高级推理方面的表现很满意，但我认为这个新模型会更胜一筹。
• 这是一个 模型吗？ 奇怪的是，鉴于它的模型谱系，我原本以为它会是一个专注于思考的模型，但实际上它几乎无缝地将思考能力与创造性输出融合在一起。在我最初的测试中，这种结合展现出了强大的能力。

📄 许可证

本项目采用Apache-2.0许可证。

📚 引用

如果您觉得我们的工作有帮助，请随意引用我们的模型：

@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