中文简介
empero-ai/Qwythos-9B-v2-GGUF 是 empero-ai 在 Hugging Face 发布的模型仓库,当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 97c11b03687f,同步到 14 个文件,文件元数据合计 89.93 GB;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 empero-ai/Qwythos-9B-v2-GGUF 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】
empero-ai/Qwythos-9B-v2-GGUF 是 empero-ai 在 Hugging Face 发布的模型仓库,当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 97c11b03687f,同步到 14 个文件,文件元数据合计 89.93 GB;访问状态为“公开”,许可证字段为“apache-2.0”。
【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 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:97c11b03687f。 任务标签:图文理解与多模态生成、文本生成与推理。 语言字段:en。 库标记:gguf。 上游标注的基础模型:empero-ai/Qwythos-9B-v2。 上游页面记录的最近更新时间:2026-07-12。
【文件信息】
上游 API 返回 14 个文件,文件元数据合计 89.93 GB。 已保存文件清单中的主要扩展名:.gguf 11 个、无扩展名 2 个、.md 1 个。 当前较大的文件包括:Qwythos-9B-v2-MTP-BF16.gguf(17.14 GB);Qwythos-9B-v2-BF16.gguf(16.69 GB);Qwythos-9B-v2-MTP-Q8_0.gguf(9.11 GB)。
【运行或处理环境】
仓库文件元数据合计 89.93 GB。 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。
Empero AI Qwythos-9B-v2-GGUF GGUF quantizations of **empero-ai/Qwythos-9B-v2** for llama.cpp, Ollama, LM Studio, jan, KoboldCpp, and other GGUF runtimes. Qwythos-9B-v2 is the new and improved Qwythos** — all the deep chain-of-thought reasoning of the base Qwythos, with the **looping behavior fixed**. The looping/degeneration that showed up under greedy or low-temperature decoding is trained out (**6.7% → 0%**), the native **MTP head is restored**, and the identity prompt is cleaned up — while knowledge and reasoning are held at (or above) the base Qwythos level. The fix uses **FTPO (Final-Token Preference Optimization)**: the exact token that *starts* a repetition loop is identified and the model is gently trained to prefer coherent alternatives at that one position, leaving the rest of the distribution — and therefore its knowledge and reasoning — untouched. For full training details, evaluation numbers, and sample generations, see the **base model card**. What's new vs. the base Qwythos 🔁 **Looping behavior eliminated** — repetition under greedy / low-temp decoding dropped **6.7% → 0%**. **Greedy decoding is now safe** — you no longer need `repeat-penalty` as a band-aid. 🧩 **MTP head restored** — the native multi-token-prediction module is back in the `-MTP-` files, so speculative-decoding (`--spec-type draft-mtp`) works. 🧠 **Reasoning preserved** — MMLU / GSM8K / GPQA / ARC held at or above the base Qwythos level (see the model card). 🪪 **Cleaner identity** — states who it is once, only when asked. 🔓 Still intentionally **uncensored**, still **1M-token context** (YaRN), still **multimodal-capable** (Qwen3.5 vision tower). Files Normal text weights — trunk only (32 blocks) | File | Quant | Size | Notes | |---|---|---|---| | `Qwythos-9B-v2-Q4_K_M.gguf` | Q4_K_M | 5.34 GiB / 5.74 GB | **recommended default** — smallest practical, good quality | | `Qwythos-9B-v2-Q5_K_M.gguf` | Q5_K_M | 6.08 GiB / 6.52 GB | balanced quality / size | | `Qwythos-9B-v2-Q6_K.gguf` | Q6_K
适用场景
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 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:97c11b03687f。 任务标签:图文理解与多模态生成、文本生成与推理。 语言字段:en。 库标记:gguf。 上游标注的基础模型:empero-ai/Qwythos-9B-v2。 上游页面记录的最近更新时间:2026-07-12。
文件说明
上游 API 返回 14 个文件,文件元数据合计 89.93 GB。 已保存文件清单中的主要扩展名:.gguf 11 个、无扩展名 2 个、.md 1 个。 当前较大的文件包括:Qwythos-9B-v2-MTP-BF16.gguf(17.14 GB);Qwythos-9B-v2-BF16.gguf(16.69 GB);Qwythos-9B-v2-MTP-Q8_0.gguf(9.11 GB)。
上游文件元数据
.gitattributes2.16 KBmmproj-Qwythos-9B-v2-BF16.gguf879.01 MBQwythos-9B-v2-BF16.gguf16.69 GBQwythos-9B-v2-MTP-BF16.gguf17.14 GBQwythos-9B-v2-MTP-Q4_K_M.gguf5.50 GBQwythos-9B-v2-MTP-Q5_K_M.gguf6.25 GBQwythos-9B-v2-MTP-Q6_K.gguf7.14 GBQwythos-9B-v2-MTP-Q8_0.gguf9.11 GBQwythos-9B-v2-Q4_K_M.gguf5.34 GBQwythos-9B-v2-Q5_K_M.gguf6.08 GBQwythos-9B-v2-Q6_K.gguf6.95 GBQwythos-9B-v2-Q8_0.gguf8.87 GB
硬件建议
仓库文件元数据合计 89.93 GB。 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。