GPT
הוספת כלי
Q

Qwopus3.5-9B-Coder

קוד פתוח

Jackrongapache-2.02026-05-15

  • transformers
  • safetensors
  • qwen3_5
  • image-text-to-text
  • text-generation-inference

זה מודל קוד וסוכנים של 9.7 מיליארד פרמטרים, שמכוון לרוץ מקומית על מחשב נייד רגיל ועדיין לטפל בקריאות לכלים, דיבאגינג ומשימות פיתוח מורכבות.

  • 9.7Bפרמטרים
  • 262,144טוקנים בהקשר
  • 18.0 GBמשקל הקבצים
  • 11,323הורדות בחודש

מה זה

הבסיס כאן הוא מודל ממשפחת Qwen3.5, אבל הדגש עבר כולו להתנהגות של סוכן אוטונומי. היוצרים אימנו אותו על עקבות ריצה אמיתיים של מודלים כמו GLM-5.1 ועל שחזור שרשראות חשיבה סגורות של מודלים מסחריים, כדי לחלץ תהליכי עבודה שלמים במקום רק תשובות סופיות. הוא תומך בעיבוד משולב של תמונה וטקסט, ומחזיק חלון הקשר ענק של 262,144 טוקנים.

במדד SWE-bench Verified שבודק פתרון בעיות אמיתיות במאגרי קוד פתוח, הוא הגיע לציון של 53.33 אחוז. זה אמנם רחוק ממודלי ענן ענקיים כמו Claude 4.5 Opus שמגרדים את ה־80 אחוז, אבל זה עוקף מודלים פתוחים גדולים ממנו כמו gemma-4-31B. במבחני HermesAgent-20 הוא קיבל 85 נקודות לעומת 71 של מודל הבסיס, ובמבחן ToolCall-15 ליציבות קריאה לכלים השיג תוצאה מושלמת של 100.

מתאים ל

  • סוכן מקומי לטרמינל

    הוא אומן על קריאות כלי טרמינל ודפדפן אמיתיות, ויכול להריץ פקודות מערכת ולבדוק פלט מקומית על המחשב.

  • דיבאג וסריקת שגיאות

    יודע לעבוד על קבצי קוד קיימים, לזהות בעיות תחביר ושגיאות לוגיות, ולהציע תיקונים מבוססי הרצה.

  • ניתוח מסמכים וצילומי מסך

    השילוב של עיבוד תמונה וקוד מתאים לבדיקת ממשקי משתמש מתוך צילומי מסך ותרגומם לקוד עובד.

איפה זה נופל

היוצרים מזהירים במפורש שמדובר בגרסה ניסיונית למחקר שלא עברה בדיקות כלליות. בגלל שהאימון כוון כולו לקוד ולסוכנים, הוא סובל משחיקת יכולות במשימות שפה כלליות או בכתיבה שאינה תכנותית. בנוסף, למרות שהריצה על שורת פקודה וכלים קיבלה ציונים גבוהים, בבדיקת BugFind-15 בדיבאג הוא קיבל 79 בלבד, עם ציון חלש של 43 באחד מחלקי הבדיקה, כך שאי אפשר לסמוך עליו בעיניים עצומות בתיקון באגים מסובכים.

אותה משפחה

Qwopus3.5-9B-Coder יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Qwopus3.5-9B-Coder-GGUF11,127

שאלות
נפוצות

האם הוא יכול להחליף מודלים מסחריים כמו קלוד בעבודה יומיומית?

לא בכל דבר. במשימות מאגר מורכבות של SWE-bench הוא פותר 53 אחוז מהמקרים לעומת מעל 80 אחוז במודלים המסחריים המובילים. הוא מצוין כעוזר מקומי פרטי לקריאות כלים וכתיבת סקריפטים, אבל לפרויקטים ענקיים הוא עדיין לא באותה רמה.

המחשב שלי עם 16GB זיכרון יריץ אותו בצורה שמישה?

כן, אבל רק בגרסת GGUF מכווצת ל־8 ביט, שזה בדיוק מה שהיוצרים בדקו על מחשבי מק. קבצי המקור המלאים שוקלים 18 ג'יגה בייט ולא ייכנסו לזיכרון שלכם בלי לקרוס.

איך מריצים

בדיוק המקורי של bfloat16 הקבצים שוקלים 18.0 ג'יגה בייט ודורשים לפחות 24 ג'יגה זיכרון גרפי, כך שכרטיס ביתי פשוט לא יספיק בלי כיווץ. המפתחים עצמם מכוונים להרצה בפורמט GGUF מכווץ ל־8 ביט, שרץ חלק על 16 ג'יגה זיכרון במחשבים סטנדרטיים או Mac mini דרך LM Studio או MLX. כדי להשתמש ביכולות הראייה, חובה להוריד בנפרד קובץ בשם mmproj.gguf מאותו מאגר ולשים אותו באותה תיקייה.

אם אתם צריכים לנתח ריפו שלם שמנצל רבע מיליון טוקנים בבת אחת, תשתית מקומית תיחנק מהר מאוד בגלל צריכת הזיכרון של ה־KV cache. במקרים כאלה, או כשצריך מענה מהיר להרבה מפתחים במקביל, עדיף לפנות ל־API חיצוני ולא לנסות להחזיק שרת ייעודי.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="Jackrong/Qwopus3.5-9B-Coder")
print(pipe("שלום"))

הקבצים

18 קבצים במאגר, 18.0 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הוא מופץ תחת רישיון apache-2.0, שזה הרישיון הכי נוח שיש. מותר להשתמש בו בחינם לפרויקטים מסחריים, לשנות אותו, להטמיע אותו במוצר ולסגור את הקוד שלכם, כל עוד שומרים על הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗