Qwen3.8-27B-Coder390-EfficientThink-Opus5.5-GPT6Astra-Grok4.7-DSV4Pro-K3-SFT-RLOO-MTP-DFlash2

Qu'est-ce que Qwen3.8-27B-Coder390-EfficientThink-Opus5.5-GPT6Astra-Grok4.7-DSV4Pro-K3-SFT-RLOO-MTP-DFlash2

Il s'agit d'un modèle de 27B paramètres amélioré en code et raisonnement, basé sur Qwen, optimisé par un entraînement multi-étapes incluant SFT, RLOO et MTP, axé sur la pensée efficace, la programmation et les tâches de raisonnement complexe.

Fonctionnalités principales

• Optimisé par un entraînement multi-étapes incluant SFT, RLOO et MTP basé sur Qwen3.8-27B
• Réduit significativement le problème de troncature de 94K causé par l'inférence répétée du modèle
• Prend en charge plusieurs formats de quantification dont BF16, FP8, NVFP4, INT4, INT8 et GGUF
• Prise en charge native des entrées multimodales texte + image + vidéo
• Méthodes d'accélération par décodage spéculatif intégrées MTP et DFlash2 mutuellement exclusives

Pour qui

Développeurs et chercheurs ayant besoin de programmation efficace, de raisonnement complexe et de tâches multimodales, adapté aux scénarios exigeant un contrôle élevé de la longueur de sortie du modèle et une stabilité d'inférence.

Comment démarrer

1. Rendez-vous sur https://huggingface.co/nerkyor/Qwen3.8-27B-Coder390-EfficientThink-Opus5.5-GPT6Astra-Grok4.7-DSV4Pro-K3-SFT-RLOO-MTP-DFlash2
2. Téléchargez les poids safetensors dans le format requis (BF16, FP8, NVFP4, INT4, GGUF, etc.)
3. Charger le modèle directement avec SGLang ou vLLM (version FP8 testée et fonctionnelle sur vLLM)

Compilé à partir des descriptions publiques du site officiel / README / page de lancement. Tarifs et nombre d'utilisateurs non vérifiés ; consultez le site officiel. Certaines sections ont été rédigées avec l'aide de l'IA. Rédigé en chinois et en anglais ; les autres langues sont traduites automatiquement.