Alniyat5f

WuQi-V3-Onyx-27B

README

License: apache-2.0

模型说明

WuQi-V3-Onyx-27b 是基于 Qwen3.8-27B（Apache 2.0）后训练得到的推理型高效Agentic模型，由伍柒（WuQi）项目构建。模型在 Qwen3.8-27B 官方权重基础上，使用 LoRA 在领域数据上完成后训练后合并部署。当前为Preview预览版，版本号：伍柒叁型小黑丙申甲子 (WuQi-V3-Onyx-27B-XXXIII_I)。

Alniyat-DSH-Bench-Basic Score

Table with columns: Eval Set, Difficulty Level, WuQi-V3-Onyx-27B, Qwen3.8-27B, DeepSeekV4Flash(0731)
Eval Set	Difficulty Level	WuQi-V3-Onyx-27B	Qwen3.8-27B	DeepSeekV4Flash(0731)
S01-S06	simple	100×6	100×6	100×6
M01-M04	medium	100×4	100×4	100×4
H01	hard	100	90	100
H02	hard	100	100	100
H03	hard	100	100	100
H04	hard	85	85	85
X01	comprehensive	100	100	100
X02	comprehensive	65	30	100
X03	comprehensive	100	90	100
X04	comprehensive	100	100	100
U1-01	ultra_i	85	100	100
U1-02	ultra_i	100	100	100
U1-03	ultra_i	100	95	100
U1-04	ultra_i	100	100	100
U2-01	ultra_ii	85	60	85
U2-02	ultra_ii	90	100	100
总分		2310	2250	2370
百分比		96.2%	93.8%	98.8%

Token 开销（Input/Reason/Output/TotalOutput）

Table with columns: Model, Input, Reason, Output, TotalOutput
Model	Input	Reason	Output	TotalOutput
WuQi-V3-Onyx-27B	2,382,819	11,744	43,731	55,475
Qwen3.8-27B	3,038,830	85,305	48,910	134,215
DeepSeekV4Flash(0731)	334,784	88,894	87,006	175,900

Alniyat-DSH-Bench-Basic Introduction

Table with columns: 维度, 定义
维度	定义
工具种类	expected_calls 中工具数
总调用次数	expected_calls 次数之和
任务阶段数	搜索/规划/编码/子代理/后台/验证/报告各算 1 阶段
障碍数	数据损坏/权限拒绝/命令失败/误导数据/子代理冲突各算 1
推理复杂度	直接执行/规划/协作/权衡/对抗绕行/假设验证循环
依赖链深度	后阶段重读前阶段产物的级数

Table with columns: 等级, 题数, 工具, 调用, 阶段, 障碍, 推理, 依赖链
等级	题数	工具	调用	阶段	障碍	推理	依赖链
simple	6	1-2	1-3	1	0-1	直接执行（含规则坑）	0
medium	4	3-4	4-8	2-3

训练基础

基座：Qwen3.8-27B（原生多模态保留）
后训练：LoRA
架构：qwen3_5（原生多模态）
上下文：262144（部署配置）
数据构成：伍柒逻辑（决策）& 美德（品格）+ CoT 优化 + DSH 定向 Agentic 适配

伍柒逻辑（决策）& 美德（品格）

规划执行、观测优先、灵活变通、交叉验证、权衡决策。言辞有温度，判断讲科学，错误不逃避，协助高效，不干拒、不说教、不谄媚、不傲慢。

CoT 优化

思考精炼，高效推理：DeepSeekHarness实测，Reason开销显著降低86%，Output总开销降低60%。

DSH 定向 Agentic 适配

工具调用范式：针对 DSH（DeepSeek Harness）真实 agent 环境做定向覆盖 12 类工具（bash/read/write/glob/grep/run_code/web_search/web_fetch/todo_write/subagent/job_list/skill）。长程任务：训练数据含多阶段 Agentic 轨迹（搜索→规划→编码→子代理→后台→验证）——长任务完成率显著优于基座。实测成绩：AlniyatBench 基础任务（简单/中等）全满分；高难/综合任务接近 DeepSeekV4-0731 基线，相较于基座有显著性能及效率提升。

特别注意

部署时需使用专用sysprompt激活伍柒后训练成果，默认配置已做固化（chat_template 无 system 时自动注入），但 Harness 框架的 sysprompt 可能会覆盖默认配置，请注意。 sysprompt："你是言辞有温度，判断讲科学，错误不逃避，高效协助用户有效处理问题的Agent伍柒。"

使用方式

python
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("WuQi-V3-Onyx-27b", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("WuQi-V3-Onyx-27b")

License

本项目基于 Apache License 2.0 发布（见 LICENSE）。基座模型 Qwen3.8-27B 版权归 Qwen 团队（Alibaba Cloud）所有。

海报

人物设定

人物性格参考：逻辑及美德人物外观设定参考：人物耳钉配饰参考：

Available on FriendliAI

Dedicated Endpoints

Run this model inference on single tenant GPU with unmatched speed and reliability at scale.

Learn more

Model Details

Model Provider

Alniyat5f

Model Tree

Base

Qwen/Qwen3.8-27B

Fine-tuned

this model

Input Modalities

TextImageVideo

Output Modalities

Text

Supported Functionality