license: apache-2.0 base_model: empero-ai/Qwythos-9B-v2 base_model_relation: quantized language:
- en pipeline_tag: image-text-to-text library_name: gguf tags:
- gguf
- llama.cpp
- quantized
- qwythos
- qwen3.5
- ftpo
- reasoning
- uncensored
- long-context
- 1M-context
- function-calling
- multimodal
- vision
Qwythos-9B-v2-GGUF
适用于 llama.cpp、Ollama、LM Studio、jan、KoboldCpp 以及其他 GGUF 运行时的 empero-ai/Qwythos-9B-v2 GGUF 量化版本。
Qwythos-9B-v2 是全新且经过改进的 Qwythos —— 保留了基础版 Qwythos 所有的深度思维链(Chain-of-Thought)推理能力,并修复了循环生成(looping)问题。彻底消除了贪婪采样(greedy decoding)或低温解码时出现的循环/退化现象(6.7% → 0%),恢复了原生 MTP 头(多 Token 预测),并精简规范了身份识别提示词 —— 与此同时,知识库与推理能力保持在(或超过)基础版 Qwythos 的水准。
此修复采用了 FTPO(尾 Token 偏好优化,Final-Token Preference Optimization) 技术:精确定位触发循环重复的具体 Token,并在该位置轻量级训练模型偏好连贯的替代词,从而完全不影响其余分布 —— 因此其原有的知识储备与推理能力不受丝毫损害。
如需完整的训练细节、评估数据及生成样例,请参阅 基础模型卡片。
相比基础版 Qwythos 的新特性
- 🔁 彻底消除循环现象 —— 在贪婪采样 / 低温解码下的重复率从 6.7% 降至 0%。贪婪采样现在非常安全 —— 您不再需要将
repeat-penalty作为权宜之计。 - 🧩 恢复 MTP 头 —— 原生多 Token 预测(multi-token-prediction)模块在
-MTP-文件中重新回归,因此支持投机采样(speculative-decoding,--spec-type draft-mtp)。 - 🧠 推理能力完好保留 —— MMLU / GSM8K / GPQA / ARC 评测保持在或超过基础版 Qwythos 的水平(详见模型卡片)。
- 🪪 更纯净的身份认知 —— 仅在被明确提问时声明自身身份一次。
- 🔓 仍然保持刻意的无审查(uncensored)特性,依然具备 1M Token 上下文(YaRN),依然具备多模态能力(Qwen3.5 视觉塔)。
模型文件
常规文本权重 —— 仅主干(32 个模块)
| 文件名 | 量化类型 | 大小 | 说明 |
|---|---|---|---|
Qwythos-9B-v2-Q4_K_M.gguf | Q4_K_M | 5.34 GiB / 5.74 GB | 推荐默认选项 —— 体积最小且实用,质量优异 |
Qwythos-9B-v2-Q5_K_M.gguf | Q5_K_M | 6.08 GiB / 6.52 GB | 质量与体积的平衡之选 |
Qwythos-9B-v2-Q6_K.gguf | Q6_K | 6.95 GiB / 7.46 GB | 高质量 |
Qwythos-9B-v2-Q8_0.gguf | Q8_0 | 8.87 GiB / 9.53 GB | 近乎无损 |
Qwythos-9B-v2-BF16.gguf | BF16 | 16.69 GiB / 17.92 GB | 全精度(转换基准) |
如果您不知道该选哪一个,Q4_K_M 是最佳起点。
启用 MTP 的文本权重(33 个模块,nextn_predict_layers = 1)
这些文件嵌入了恢复的 Qwen3.5 兼容 MTP 头。可与支持 MTP 草稿投机采样的 llama.cpp 版本(--spec-type draft-mtp)配合使用。在所有量化变体中,MTP 矩阵均保留为 Q8_0 精度。
| 文件名 | 量化类型 | 大小 | 说明 |
|---|---|---|---|
Qwythos-9B-v2-MTP-Q4_K_M.gguf | Q4_K_M + MTP | 5.50 GiB / 5.90 GB | 推荐 MTP 默认选项 |
Qwythos-9B-v2-MTP-Q5_K_M.gguf | Q5_K_M + MTP | 6.25 GiB / 6.71 GB | 质量与体积平衡 |
Qwythos-9B-v2-MTP-Q6_K.gguf | Q6_K + MTP | 7.14 GiB / 7.67 GB | 高质量 |
Qwythos-9B-v2-MTP-Q8_0.gguf | Q8_0 + MTP | 9.11 GiB / 9.79 GB | 近乎无损 |
Qwythos-9B-v2-MTP-BF16.gguf | BF16 + MTP | 17.14 GiB / 18.41 GB | 全精度(转换基准) |
视觉投影层(Vision Projector)—— 用于图像输入
| 文件名 | 大小 | 说明 |
|---|---|---|
mmproj-Qwythos-9B-v2-BF16.gguf | 0.86 GiB / 0.92 GB | 原生 BF16 精度的 CLIP 风格视觉编码器与投影层;处理图像必需,可与上方任意文本量化文件搭配使用 |
该视觉塔完全继承自 Qwen3.5-9B,未作任何改动 —— 在基础版 Qwythos SFT 以及 v2 FTPO 微调过程中全程保持冻结,因此图像处理特性与原生 Qwen3.5-9B 一致。该 mmproj 文件与任何 Qwen3.5-9B 的 mmproj-*.gguf 均可互换通用。
混合精度量化(Gated-DeltaNet / SSM 张量)
Qwythos 是一个**混合架构(hybrid)**模型 —— 包含 3:1 比例的 Gated-DeltaNet 线性注意力(SSM)模块与全注意力(full-attention)模块。线性注意力状态张量对低比特量化异常敏感,因此本处的 K-quants 对这些张量保持了比周围权重更高的精度:
| 量化等级 | ssm_alpha | ssm_beta | ssm_out |
|---|---|---|---|
| Q6_K | Q8_0 | Q8_0 | Q8_0 |
| Q5_K_M | Q8_0 | Q8_0 | Q6_K |
| Q4_K_M | Q8_0 | Q8_0 | Q6_K |
其余 SSM 状态张量(ssm_a、ssm_conv1d、ssm_dt、ssm_norm)在转换时均保留为 F32 精度。这样在相比统一平坦 K-quant 仅增加极小文件体积(约 2–4%)的前提下,完美保护了混合架构/SSM 模块。Q8_0 与 BF16 本身精度统一,无需进行针对性覆盖设置。
快速上手
llama.cpp
llama-cli \
-m Qwythos-9B-v2-Q4_K_M.gguf \
-p "Walk through the biochemistry of how organophosphate nerve agents inhibit acetylcholinesterase." \
-n 8192 \
--temp 0.6 --top-p 0.95 --top-k 20 --repeat-penalty 1.05 \
-c 16384
由于 v2 的循环问题已彻底训练消除,--repeat-penalty 参数现在为可选项,且贪婪采样解码(--temp 0)依然能保持极高连贯性。
Ollama
ollama run hf.co/empero-ai/Qwythos-9B-v2-GGUF:Q4_K_M
LM Studio / jan / KoboldCpp
将任意 .gguf 文件放入运行时的模型目录即可。Qwythos 使用标准 Qwen3.5 对话模板;现代 GGUF 运行时会自动从文件中读取加载该模板。
MTP 草稿投机采样(Draft Speculation)
llama-server \
-m Qwythos-9B-v2-MTP-Q4_K_M.gguf \
--spec-type draft-mtp \
--spec-draft-n-max 6 \
-c 16384 --port 8080
MTP 特性需要较新版本的 llama.cpp。如果您的运行时暂未支持 MTP,请使用常规模型文件。
视觉处理(图像输入)
下载文本量化文件以及 mmproj-*.gguf,然后运行 llama.cpp 的多模态 CLI/服务端:
llama-mtmd-cli \
-m Qwythos-9B-v2-Q4_K_M.gguf \
--mmproj mmproj-Qwythos-9B-v2-BF16.gguf \
--image ./photo.jpg \
-p "Describe this image in detail." \
--temp 0.6 --top-p 0.95 --top-k 20 -c 16384
诚挚说明: Qwythos 的所有训练(基础版 SFT 及 v2 FTPO)均为纯文本训练 —— 视觉塔从未进行微调,因此基于图像的推理能力直接继承自原生 Qwen3.5-9B,本次发布未对其进行独立评估。
采样参数推荐
Qwythos 是一个推理型模型 —— 每个回复在给出最终答案前,都会以 <think>...</think> 思考块开始。
| 参数 | 推荐值 |
|---|---|
temperature | 0.6 |
top_p | 0.95 |
top_k | 20 |
repeat_penalty | 1.05(在 v2 中为可选) |
max_new_tokens | 16384 |
与基础版 Qwythos 不同,v2 在贪婪采样/低温解码下不会陷入死循环 —— 您可以使用 --temp 0 进行确定性生成而不会产生重复。上述 0.6 温度设置依然符合 Qwen3.5 官方对思考模式的最佳推荐,以获取最高输出质量。
长上下文(1M Tokens)
本 GGUF 预置了 YaRN RoPE 缩放,原生支持 1,048,576 Token 上下文窗口(原生 262,144 的 4 倍)。最高可将 -c 设置为 1048576;对于较短的提示词,可调小该值以减少 KV 缓存显存占用。单张 H100/H200 级别的 GPU 可轻松应对 256k–512k 上下文;完整的 1M 上下文通常需要多 GPU 环境或激进的 KV 缓存卸载方案。
模型转换与校验
- 使用 llama.cpp(
convert_hf_to_gguf.py、llama-quantize)进行转换与量化,架构为qwen35,格式为 GGUF v3。 - MTP 变体:默认转换(33 模块,
nextn_predict_layers = 1,15 个 MTP 张量,MTP 矩阵锁定为 Q8_0)。常规变体:--no-mtp(32 模块纯主干)。mmproj:--mmproj --outtype bf16。 - 按照上表应用了混合精度覆盖。
- 经过结构验证(架构 / 模块数量 /
nextn键 / 单张量类型),并通过了加载及连贯文本生成的冒烟测试。 - 提供
shasum -a 256 -c SHA256SUMS校验,涵盖全部 11 个文件。
开源协议与鸣谢
遵循 Apache-2.0 协议,继承自 Qwen3.5-9B。按现状提供,仅供研究与实验使用。
- 由 Empero AI 开发并发布
- 基础模型:Qwen3.5-9B(阿里巴巴 Qwen 团队)
- 循环修复技术:FTPO (Final-Token Preference Optimization)
- 量化工具:llama.cpp(ggml-org)
- Hugging Face 模型:empero-ai/Qwythos-9B-v2