Claude CoT 逆推微调的推理模型，支持视觉与工具调用
- 部署
-
- oll ollama run hf.co/Jackrong/Qwopus3.6-27B-v2-GGUF:Q5_K_M 复制
- hf huggingface-cli download Jackrong/Qwopus3.6-27B-v2-GGUF --include '*.gguf' 复制
- py 下载 gguf 文件后 llama-server -m <gguf-file> --n-gpu-layers 99 复制
- 入选理由
- 有现成GGUF可快速部署，但缺乏第三方独立评测，性能提升基于自报告benchmark，社区关注度一般。
- 对位
- 替代 Qwen3.6-27B，推理效率更高
- 适合
- 复杂代码修复与 SWE-bench 任务 / 多模态推理与 CoT 生成
- 不适合
- 低显存（<16GB）本地运行
- 规模
- 27B · 128K
- 授权
- apache-2.0 · 需自查
- 框架
- ollama / llama.cpp
- 可信度
- SWE-bench 75.25%, MMLU-Pro 子集 87.43%, 下载 2.8k, 赞 87
多Token预测推理模型，面向编码、数学、DevOps开发者
- 部署
-
- hf huggingface-cli download Jackrong/Qwopus3.6-27B-v2-MTP-GGUF qwopus3.6-27b-v2-mtp.Q4_K_M.gguf 复制
- py llama.cpp server -m qwopus3.6-27b-v2-mtp.Q4_K_M.gguf -ngl 99 复制
- 入选理由
- Qwen3.6-27B的GGUF微调版，支持MTP加速生成，可直接用Ollama运行，但缺乏第三方评测，需自行验证质量。
- 对位
- Qwen3.6-27B 加速替代，同参数量解码速度提升66%
- 适合
- 代码生成与系统设计 / 数学推导与复杂逻辑推理
- 不适合
- 生产关键任务（社区实验模型）
- 规模
- 27B · 128k
- 授权
- Apache 2.0 · 需自查
- 框架
- llama.cpp / ollama / LM Studio
- 可信度
- 下载3.5k+、63赞；30题基准测试吞吐10.46t/s，较原版Qwen3.6-27B快66%
- 部署
-
- oll ollama run hf.co/OBLITERATUS/Qwen3.6-27B-OBLITERATED 复制
- py transformers: AutoModelForCausalLM.from_pretrained('OBLITERATUS/Qwen3.6-27B-OBLITERATED') 复制
- vll vllm serve OBLITERATUS/Qwen3.6-27B-OBLITERATED 复制
- 入选理由
- 提供GGUF/Ollama支持，5分钟可跑；但缺乏第三方独立评测，证据主要来自作者自测。
- 对位
- 原版Qwen3.6-27B及其它拒绝过滤27B模型
- 适合
- 本地低拒答文本生成 / 拒绝消融与红队研究
- 不适合
- 生产环境用户产品（需安全控制）
- 规模
- 26.9B · 8192 · Q4 ~18GB / FP16 ~65GB
- 授权
- apache-2.0 · 需自查
- 框架
- transformers / vllm / llama.cpp / ollama
- 可信度
- 842对提示非拒答率95.84%, MMLU-Pro与源模型匹配, GGUF四量化级别可用
3.8B文本生成图像基础模型，高效训练与高分辨率生成
- 部署
-
- py git clone https://github.com/microsoft/Lens && python inference.py 复制
- py LensPipeline.from_pretrained('microsoft/Lens') 复制
- 入选理由
- 模型有完整推理代码和论文，但缺少社区量化/第三方评测，下载量低，建议等后续生态集成再评估。
- 对位
- 以3.8B参数量竞争更大T2I模型（如FLUX）
- 适合
- 高分辨率(1440×1440)图像生成 / 密集描述与多语言提示跟随
- 不适合
- 生产环境与商业产品部署
- 规模
- 3.8B · 未知
- 授权
- MIT · 需自查
- 框架
- diffusers / transformers / pytorch
- 可信度
- GitHub仓库开源，论文arXiv 2605.21573，MIT许可证
