Wat dit is
Een LoRA-adapter, geen los model. Je laadt het open basismodel Qwen/Qwen3.5-27B en legt deze adapter erover, bijvoorbeeld met vLLM --enable-lora. Zo blijft het basismodel intact (het is multimodaal en kan ook beelden lezen) en voegt de adapter de Loes-persoonlijkheid, toon en taal toe.
Trainingsketen
De adapter is getraind met Axolotl (QLoRA, r=32) op de gecureerde dataset HostYourAI/loes-large-v1: circa 5.200 hoogwaardige Nederlandse voorbeelden, streng gefilterd op taalkwaliteit, vorm en meerbeurtsgedrag.
De trainingsdata is volledig met open Europese modellen gegenereerd (Mistral Small-klasse voor capaciteit, EuroLLM voor Nederlandse taal). Er zitten geen gesloten Amerikaanse of Chinese modellen in de keten die Loes vormt.
Privacybelofte: we trainen niet op gebruikersgesprekken. De trainingsdata is synthetisch en gecureerd; echte gesprekken worden uitsluitend geanonimiseerd gebruikt om fouten te meten, nooit om op te trainen.
Gemeten kwaliteit
Op een interne evaluatie van 35 Nederlandse prompts plus een grounding- en meerbeurtssuite:
Table with columns: Meting, Loes Large (27B), Vorige Loes (14B)| Meting | Loes Large (27B) | Vorige Loes (14B) |
|---|
| Composite | 0,97 | 0,84 |
| Vorm-instructies volgen | 1,00 | 0,58 |
| End-to-end grounding + multi-turn | 8/8 | 8/8 |
Gebruik
vllm serve Qwen/Qwen3.5-27B \
--enable-lora \
--lora-modules loes-large=HostYourAI/loes-large-v1-qwen35-27b-dense-46-ckpt \
--reasoning-parser qwen3 --max-model-len 32768
Roep daarna model loes-large aan via de OpenAI-compatibele API. Zet thinking uit voor de beste ervaring (chat_template_kwargs: {"enable_thinking": false}); de persona is bewust direct en beknopt.
Licentie
Apache 2.0, net als het basismodel Qwen/Qwen3.5-27B. Vrij te gebruiken, aan te passen en te delen.