许可证：apache-2.0
库名称：transformers
语言：

• 英文
  标签：
• 聊天
• 对话式
  基础模型：
• Qwen/QwQ-32B
• Qwen/Qwen2.5-32B-Instruct
• huihui-ai/QwQ-32B-abliterated
• prithivMLmods/Sombrero-QwQ-32B-Elite10-Fixed
• EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2
• Sao10K/32B-Qwen2.5-Kunou-v1
• zetasepic/Qwen2.5-32B-Instruct-abliterated-v2
• Saxo/Linkbricks-Horizon-AI-Avengers-V1-32B

GGUF iMat exl2

Loqwqtus 2.5 32B Instruct

初步印象是，这是我新近最喜欢的模型之一。虽然不如Qwentile稳定，但其回答的质量和情感共鸣度极高。

Loqwqtus 2.5 32B Instruct是对以下模型进行标准化去噪傅里叶插值的结果：

output_base_model: "Qwen/QwQ-32B"
output_dtype: "bfloat16"
finetune_merge:
  - { "model": "Qwen/Qwen2.5-32B-Instruct", "base": "Qwen/Qwen2.5-32B", "alpha": 1.0 }
  - { "model": "huihui-ai/QwQ-32B-abliterated", "base": "Qwen/QwQ-32B", "alpha": 0.9 }
  - { "model": "prithivMLmods/Sombrero-QwQ-32B-Elite10-Fixed", "base": "Qwen/QwQ-32B", "alpha": 0.5 }
  - { "model": "EVA-UNIT-01/EVA-Qwen2.5-32B-v0.2", "base": "Qwen/Qwen2.5-32B", "alpha": 0.5 }
  - { "model": "Sao10K/32B-Qwen2.5-Kunou-v1", "base": "Qwen/Qwen2.5-32B-Instruct", "alpha": 0.9 }
  - { "model": "zetasepic/Qwen2.5-32B-Instruct-abliterated-v2", "base": "Qwen/Qwen2.5-32B-Instruct", "alpha": 0.75 }
  - { "model": "Saxo/Linkbricks-Horizon-AI-Avengers-V1-32B", "base": "Qwen/Qwen2.5-32B-Instruct", "alpha": 0.5 }

简言之，这些模型在信号空间中被扭曲和插值后，重新叠加到基础模型之上。

这是什么？

这是我首次尝试以Qwentile系列风格打造的思考型模型。

表现如何？

它是个重度思考者，但完美解决了“一个2加仑桶和一个5加仑桶如何精确量出4加仑”的问题，不仅找到两种解法，还选择了最高效的方案。

以下是来自IQ4 NL测试的思考过程：

（此处省略具体思考步骤，保留原问题解决逻辑）

引用

若认为我们的工作有帮助，欢迎引用：

@misc{loqwqtus2.5-32b-instruct,
    title = {Loqwqtus 2.5 32B Instruct},
    url = {https://huggingface.co/maldv/Loqwqtus2.5-32B-Instruct},
    author = {Praxis Maldevide},
    month = {March},
    year = {2025}
}