各位早上好！我们发布了 Qwopus 3.6 27B-Coder-Compat，包含针对多个测试框架的兼容性修复！这个版本在更多测试框架上应该会显著减少循环行为。思维稳定性也得到改善，之前很多测试框架在开启该功能时会遇到问题。仍然建议设置较高温度，并确保你的测试框架没有覆盖服务器的温度设置。最好让它在 0.85 到 1 之间运行，而许多测试框架即使你正确配置了服务器，也会推低默认值如 0.1。在这种情况下，你可以修改测试框架特定设置来匹配。我在 Claude Code 中进行了测试，做了一个有趣的马里奥风格横向卷轴游戏！我确实认为 Claude 庞大的系统提示也增加了一些能力，因为它几乎一次就生成了这个游戏，我只是多转了几次，添加了一些我在测试时想到的内容。游戏链接在评论区！Qwopus 甚至为这个游戏生成了音乐和音频，我认为它做得非常棒！不可思议的是，就在几年前，为游戏添加这些内容还需要很长时间，而现在一个本地模型就能原生生成并应用它们！在 5090 上以高速迭代本地制作功能丰富的 HTML 游戏，是本地模型的一个绝佳展示！而且，一旦你想到新的游戏机制和关卡，就会忍不住继续添加。稳定性令人难以置信；我从未遇到过输出完全无效的情况。所有改动都在第一次尝试时顺利运行！那么，是什么阻止你使用 Qwopus 或任何这些本地模型发布一个 App Store 游戏呢？它们完全有能力做到！作为一个独立开发者，你可以通过循环迭代和令人难以置信的深度来尽情发挥！如果你构建了什么东西，请把链接发给我，我很想看看！如果你之前在你的测试框架或使用场景中遇到循环问题，请尝试这个应用了修复的新版本，并告诉我们你的想法！朋友们，这总是令人愉快的事情！祝你们周一愉快！35B-coder MOE 也即将推出！

Jackrong/Qwopus3.6-27B-Coder-Compat-MTP-GGUF · Hugging Face

来源：https://huggingface.co/Jackrong/Qwopus3.6-27B-Coder-Compat-MTP-GGUF

🟢 Qwopus3.6-27B-Coder-Compat-MTP-GGUF 兼容版

Bundled-MTP GGUF 发布，扩展了聊天模板的互操作性，适用于工具使用运行时和兼容 OpenAI 的代理历史记录。 ✓ JSON 字符串参数 ✓ 映射与列表参数 ✓ llama.cpp / minja ✓ Hugging Face Jinja ⚡ Bundled MTP 🧠 权重一致验证

🌐 专注于兼容性的模板更新

此版本扩展了跨代理框架的互操作性，这些框架以不同的有效表示存储历史 tool_call.function.arguments。内嵌模板接受预序列化的 JSON 字符串以及结构化的映射和列表，同时保留原始工具调用负载。这是一次模板层面的兼容性更新：模型权重和捆绑的 MTP 预测张量保持不变。

• HF 模板渲染：10 / 10 - 所有兼容性案例成功渲染。
• llama.cpp / minja：10 / 10 - 命令和参数准确保留。
• 循环回归：0 次循环 - 10/10 案例；无格式错误的工具调用循环。
• MTP 接受率：76.81% - 1,229 个草稿令牌中有 944 个被接受。

📊 权重一致的 Q4_K_M 模板对比

验证使用了两个 Q4_K_M GGUF 文件，所有 866 个张量（包括捆绑的 MTP/NextN 张量）的逐张量 SHA-256 清单完全相同。测试在 NVIDIA GB10 上进行，使用 llama.cpp build 9733，32K 上下文，一个并行槽，启用 Jinja，禁用推理，启用 MTP 草稿解码。测得的兼容模板速度差异为 +2.06%，属于正常运行时波动范围。

兼容性范围： 此更新针对聊天历史序列化和 Hugging Face Jinja、llama.cpp/minja 以及兼容 OpenAI 的工具调用表示中的模板渲染。它不会改变训练好的模型权重、编码专长、视觉能力或 MTP 架构。

🤝 模板更新由 Kyle Hessling 完成

此兼容模板修改由 Kyle Hessling 完成。非常感谢 Kyle 在支持的工具调用格式和运行时中实现并验证了此更新。如果你遇到任何与模板相关的问题，请在 X 上关注并联系 Kyle 分享你的反馈：@KyleHessling1 (https://x.com/KyleHessling1)。

https://huggingface.co/Jackrong/Qwopus3.6-27B-Coder-Compat-MTP-GGUF#original-qwopus36-27b-coder-mtp-gguf-model-card

原始 Qwopus3.6-27B-Coder-MTP-GGUF 模型卡

完整的原始模型卡保留在下方，包含模型背景、训练细节、基准测试、使用指南、资源、致谢和引用。

🪐 Qwopus-3.6-27B-Coder Coder SFT 发布

代理编码与工具使用推理模型 基于 Qwopus3.6-27B-v2 微调 🧬 轨迹反转与负熵 🧠 27B 密集模型 ⚡ 代理编码 🛠️ 工具调用与代理 🏆 SWE-bench Verified: 67.0% (关闭思考)

💡 Qwopus-3.6-27B-Coder 是什么？

🪐 Qwopus-3.6-27B-Coder 是一个基于 Qwopus3.6-27B-v2 构建的推理增强型代理编码模型。它继承了 v2 基座的强大推理基础——在 MMLU-Pro (300ex) 上达到 87.43%，在 SWE-bench Verified 上达到 75.25%——并进一步专精于代理代码生成、结构化工具调用、调试以及在开发者工作流中的指令遵循。该模型旨在在真实的代理环境中，在仓库级别编码任务、多轮工具编排和复杂逻辑推理方面表现出色。

• 🧩 代理编码： 针对仓库级别编码、调试、补丁生成和结构化多步开发工作流进行了优化。
• 🛠️ 工具调用： 从包含工具定义、工具调用和环境反馈的真实代理轨迹中学习，以实现稳健的多轮执行。
• 🧬 轨迹反转： 继承了完整的 Qwopus 训练配方，使用来自 Claude Opus 的重建逐步推理轨迹。
• 🚀 27B 规模： 密集 27B 参数，原生支持长上下文，在提供深度推理的同时，可在单 GPU 上实际部署。

社区发布通知： Qwopus-3.6-27B-Coder 是一个实验性的社区发布，旨在用于研究、评估和代理工作流探索。它尚未经过全面的安全评估或广泛的一般领域基准测试。 基准测试状态： 第一个完成的基准测试是 SWE-bench Verified 完整 500 项，在 关闭思考/无思考模式 下进行，Q5_K_M 27B GGUF 运行解决了 335/500 = 67.0% 的问题。其他基准测试套件仍在等待中，将在测试完成后更新。

https://huggingface.co/Jackrong/Qwopus3.6-27B-Coder-Compat-MTP-GGUF#%F0%9F%92%A1-1-base-model-training-stack–collaboration

💡 1. 基座模型、训练栈与协作

🧠 1.1 基座模型: Qwopus3.6-27B-v2

Qwopus3.6-27B-v2 是一个基于 Qwen3.6-27B 构建的推理增强型密集语言模型。通过多阶段课程学习流程和轨迹反转增强，它在知识、编码和推理基准测试中取得了强大性能。此编码变体继承了这一基础，并扩展了专门的编码和工具使用数据。

🧪 1.2 硬件合作与联合协作

本项目是与工程师 Kyle Hessling 密切合作、共同努力的成果，他的硬件基础设施和训练支持使得稳定的 27B 规模微调和评估成为可能。 👉 你可以在 X/Twitter 上关注他以获取硬件和模型训练更新：@KyleHessling1 (https://x.com/KyleHessling1)

🦥 1.3 微调框架 (Unsloth)

模型训练工作流借助 Unsloth 实现加速和内存优化。特别感谢 Unsloth 团队让高效的大模型微调变得触手可及。

⚡ 1.4 MTP 变体：更快的推测解码

该模型还提供了 多令牌预测 (MTP) 变体，具有辅助预测头 (draft=2)，用于推测解码。基于 Qwopus3.6-27B-v2-MTP 基准，MTP 变体在保持精度的同时实现了约 1.66 倍速度提升。有关详细的 MTP 性能分析，请参见 Qwopus3.6-27B-v2-MTP (https://huggingface.co/Jackrong/Qwopus3.6-27B-v2-MTP) 模型卡。 🌟 定制的 MTP 头处理流程已在 qwen-mtp-gguf (https://github.com/R6410418/Jackrong-llm-finetuning-guide/tree/main/qwen-mtp-gguf) 开源。如果你觉得这个工具包有帮助，请考虑在 GitHub 上给个星标！

https://huggingface.co/Jackrong/Qwopus3.6-27B-Coder-Compat-MTP-GGUF#%F0%9F%93%96-2-background–motivation

📖 2. 背景与动机

🎯 2.1 为什么选择 27B 编码模型？

Qwopus 编码系列在 4B 和 9B 规模上已显示出强劲效果。27B 编码变体代表了在推理深度、代码生成质量和工具使用稳健性方面的一次显著飞跃。在 270 亿参数规模上，该模型有足够的能力内化复杂的仓库结构、多文件依赖关系以及细微的工具调用模式——同时仍可在单 GPU（例如 RTX 5090）上部署。这个规模弥合了紧凑型本地模型和昂贵的基于 API 的解决方案之间的差距，使其适用于生产中的代理编码工作流。

🧬 2.2 轨迹反转与代理行为

商业和前沿模型通常仅暴露压缩的推理摘要。Qwopus 风格的训练使用 轨迹反转 将这些压缩的“推理气泡”重建为更完整、可学习的推理轨迹。对于编码，这与包含工具定义、工具调用和真实反馈的代理轨迹相结合，教导模型通过交互式工作进行推理，而不仅仅是产生静态答案。该模型整合了：

• claude-opus-4.6-traceInversion-9000x：9,000 个高价值、完全重建的逐步推理轨迹。
• claude-opus-4.7-traceInversion-5000x：5,000 个复杂多轮逻辑和数学样本，针对负熵重建进行了优化。
• lambda/hermes-agent-reasoning-traces：约 10,000 个来自 GLM-5.1 和 kimi-4.6 模型的高质量多轮工具调用轨迹。

📦 2.3 特殊数据集：轨迹反转与代理轨迹

轨迹反转： 使用专门的逻辑重建器 Trace-Inverter-4B (https://huggingface.co/Jackrong/Trace-Inverter-4B)，将压缩的推理气泡逆向工程为完整的、逐步可学习的 CoT 链。这种方法解决了 “信息熵陷阱”——即直接模仿压缩摘要会导致推理断裂——通过确保模型学习连续、严谨的逻辑推导。 代理轨迹 (lambda/hermes-agent-reasoning-traces)： 每个样本都包含真实的多轮工具执行结果（非虚构输出），并带有 ... 标签内的逐步推理。覆盖范围包括：

• 终端与编码： 脚本编写、调试、环境配置
• 仓库任务： 错误修复、重构、代码审查
• 浏览器自动化： 网页导航、抓取、表单填写
• 代理工具： 记忆持久化、任务委派、技能管理

https://huggingface.co/Jackrong/Qwopus3.6-27B-Coder-Compat-MTP-GGUF#%F0%9F%93%8A-3-performance-benchmarks

📊 3. 性能基准测试

📊 评估与性能指标

首次完成的结果：SWE-bench Verified 完整 500 项，在无思考模式下评估，以实现快速本地代理编码。

⚡ 无思考 SWE-bench 结果

此基准测试特意在 禁用思考 状态下运行。目标是展示模型作为快速本地代理时的实际编码能力，而不是依赖长的可见推理轨迹。在启用 MTP 的 RTX 5090 上，模型运行速度约为 100 令牌/秒，这使得该结果对于交互式开发工作流尤其相关。

评估设置： SWE-bench Verified 完整 500 项，Qwopus-3.6-27B-Coder Q5_K_M GGUF，关闭思考/无思考模式。最终得分：335/500 = 67.0%。

💻 3.1 SWE-bench Verified: 完整 500 项无思考结果

SWE-bench Verified 衡量模型是否能够通过编辑仓库代码并通过隐藏测试来解决真实的 GitHub 问题。在此次运行中，Qwopus-3.6-27B-Coder 在 无思考模式 下解决了 335 个 已验证任务中的 500 个，优先考虑直接行动质量和本地速度，而非长的显式推理。

🧩 3.2 仓库级别细分

该结果在实用的库维护任务上最强，例如 scikit-learn、xarray、requests 和 Django，同时在符号数学、测试基础设施、文档工具和绘图库方面也显示了扎实的覆盖率。

⚖️ 3.3 SWE-bench Verified 参考对比

重要对比说明： 以下参考分数来自外部模型报告，通常是 启用思考 或特定测试框架的结果。Qwopus-3.6-27B-Coder 在此展示的是 无思考、量化本地运行，因此该表格应作为定位背景阅读，而非严格的同模式排行榜。

🎮 3.4 实时禁用思考演示：Boat Survival

Kyle Hessling 还在一个小型交互游戏环境中测试了 Qwopus-3.6-27B-Coder，禁用了思考。该演示是对快速决策、指令遵循和本地响应能力的一次实际烟雾测试，超越了静态基准表格。

Boat Survival thinking-disabled Qwopus-3.6-27B-Coder demo screenshot (https://huggingface.co/spaces/KyleHessling1/Boat-Survival-Thinking-Disabled-Qwopus-3.6-27B-Coder)

要点： 重点不在于这次无思考的本地运行击败了所有启用思考的前沿参考。重要的结果是，一个量化的 2