中文简介
badtheorylabs/BTL-3 是 badtheorylabs 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 f76b519995d6,同步到 10 个文件,文件元数据合计 909.77 MB;访问状态为“公开”,许可证字段为“apache-2.0”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 badtheorylabs/BTL-3 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
badtheorylabs/BTL-3 是 badtheorylabs 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 f76b519995d6,同步到 10 个文件,文件元数据合计 909.77 MB;访问状态为“公开”,许可证字段为“apache-2.0”。
【适用方向】
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:f76b519995d6。 任务标签:文本生成与推理。 库标记:peft。 上游标注的基础模型:Qwen/Qwen3.6-27B。 上游页面记录的最近更新时间:2026-07-24。
【文件信息】
上游 API 返回 10 个文件,文件元数据合计 909.77 MB。 已保存文件清单中的主要扩展名:.json 4 个、.md 2 个、无扩展名 2 个、.jinja 1 个、.safetensors 1 个。 当前较大的文件包括:adapter_model.safetensors(890.71 MB);tokenizer.json(19.06 MB);LICENSE(9.94 KB)。
【运行或处理环境】
仓库文件元数据合计 909.77 MB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
BTL-3 A 27B open-weight agent model for agentic coding and structural tool use 95.1% HumanEval · 88.5% BFCL v4 AST · 88.1% LiveCodeBench v6 (193-case run)** Compact edition · Runtime source · Bad Theory Labs · Discord Introducing BTL-3 BTL-3 is a 27B open-weight agent model built for agentic coding, structural tool use, repository work, failure recovery, and long multi-turn execution. The release includes the full BTL-3 model and BTL-3 Compact, which packages the complete text model into one **8.39 GB** native file. That is smaller than an 8B model stored in FP16 and corresponds to an effective artifact footprint of **under 2.5 bits per parameter**. On a fresh private 100-turn tool-contract gate, BTL-3 Compact retained **83 of the 90 behaviors the full model completed correctly: 92.2% measured conditional tool-behavior retention**. Overview BTL-3 is a post-trained Qwen3.6-27B model for coding agents, repository work, structured tool use, and long multi-turn execution. It is tuned to reason, act, inspect tool results, recover from failures, and stop when no action is required. This repository contains the frozen **RL-0013 rank-32 PEFT adapter** and its tokenizer configuration. The base checkpoint is pinned to an exact revision for reproducible loading. Highlights Strong structured tool use across single, multiple, and parallel calls. **91.2% BFCL irrelevance**, measuring when the model correctly avoids an unnecessary tool call. Thinking-mode coding with **95.12% HumanEval pass@1**. Qwen3.6 hybrid-attention architecture with a declared **262,144-token** context window. Open weights under Apache-2.0, deployable with Transformers or vLLM. An independent 8.39 GB Compact edition is available for native local inference. Results All values below belong to the frozen BTL-3 RL-0013 release. | Evaluation | Score | Protocol | |---|---:|---| | BFCL v4 AST | **88.5% (1097/1240)** | Complete official full set | | HumanEval | **95.12% (156/164)** | pass@1, thinking mode | | LiveCod
适用场景
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:f76b519995d6。 任务标签:文本生成与推理。 库标记:peft。 上游标注的基础模型:Qwen/Qwen3.6-27B。 上游页面记录的最近更新时间:2026-07-24。
文件说明
上游 API 返回 10 个文件,文件元数据合计 909.77 MB。 已保存文件清单中的主要扩展名:.json 4 个、.md 2 个、无扩展名 2 个、.jinja 1 个、.safetensors 1 个。 当前较大的文件包括:adapter_model.safetensors(890.71 MB);tokenizer.json(19.06 MB);LICENSE(9.94 KB)。
上游文件元数据
.gitattributes1.53 KBadapter_config.json1.53 KBadapter_model.safetensors890.71 MBchat_template.jinja7.58 KBLICENSE9.94 KBprocessor_config.json1.27 KBREADME.md6.29 KBTHIRD_PARTY_NOTICES.md1.05 KBtokenizer.json19.06 MBtokenizer_config.json1.14 KB
硬件建议
仓库文件元数据合计 909.77 MB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。