Qwen2.5 Wolverine CODER 11B Gguf

🚀 Qwen2.5-Wolverine-Coder-11B-gguf

本项目基于两个优秀的编码AI模型进行融合，打造出了一个性能强劲、理解能力出色的编码引擎，能快速解决编程难题，生成更强大、更紧凑的代码。

🚀 快速开始

本模型有不同的量化版本可供选择，包括Q4_K_S、IQ3_S - NEO IMATRIX和Q8 MAX 。对于简单项目或较小代码，建议使用较小的量化版本；对于大型复杂项目或有大量指令的情况，建议使用Q8 MAX 。

✨ 主要特性

• 强大的编码能力：基于“Qwen2.5-Coder-7B-Instruct”和“OlympicCoder-7B”两个优秀的编码AI模型，生成的代码质量高，能更好地理解用户指令。
• 多种量化版本：提供Q4_K_S、IQ3_S - NEO IMATRIX和Q8 MAX等多种量化版本，满足不同项目需求。
• 不同配置选择：有两种配置可供选择，不同配置的版本在性能上会有差异。
• 支持工具调用：两个版本均支持工具调用。

📦 安装指南

文档未提及具体安装步骤，可参考“Qwen2.5-Coder-7B-Instruct” [https://huggingface.co/Qwen/Qwen2.5-Coder-7B-Instruct ] 和“OlympicCoder-7B” [https://huggingface.co/open-r1/OlympicCoder-7B ] 的仓库获取相关信息。

📚 详细文档

模型基础信息

配置与设置

• 上下文长度：这些GGUFS模型设置为32k/32768上下文，完整量化版本和完整仓库将为128k/131072。
• 要求：参考“Qwen 2.5 7B Coder”的默认设置，温度范围为0.5到0.7（或更低），topk为20，topp为0.8，minp为0.05，重复惩罚为1.1（可更低），支持Jinja模板（嵌入式）或CHATML模板，不需要系统提示（已使用空白系统提示进行测试）。

注意事项

• 每个配置/版本之间会有很大差异。
• 模型已测试到IQ2_S (NEO Imatrix)，可完全运行。
• 两个版本均支持工具调用。
• 后续将提供完整的量化信息和完整仓库。
• 最终模型大小（包括层/张量）和配置可能会发生变化。

如需更多设置、基准测试和使用方法，请参考“Qwen2.5-Coder-7B-Instruct”和“OlympicCoder-7B”的仓库。

📄 许可证

本项目采用Apache-2.0许可证。

“迅速解决你的编程烦恼……”

该模型拥有42层和507个张量，宛如一个强大的怪物。实际上，它融合了两个强大的模型。每个模型都能生成更强大、更紧凑的代码，并且能更好地理解你的指令，严格按照你的要求执行。

这两个强大且快速的编码引擎基于两个优秀的编码AI：“Qwen2.5-Coder-7B-Instruct” [https://huggingface.co/Qwen/Qwen2.5-Coder-7B-Instruct ] 和“OlympicCoder-7B” [https://huggingface.co/open-r1/OlympicCoder-7B ] 。这两个模型被融合成一个紧凑的11B模型，在性能和理解能力上都超过了原始的捐赠模型。