WuQi-V3-Onyx-27b
[!Note] 本仓库包含 WuQi-V3-Onyx-27b 的模型权重与配置文件（Hugging Face Transformers 格式）。 兼容 Hugging Face Transformers、vLLM、SGLang 等推理框架。
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)。
DSH-ABench-Basic Score
| 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）
| 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 |
DSH-ABench-Basic Introduction
https://github.com/Alniyat5f/DSH-ABench-Basic
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：DSH-ABench-Basic 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
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：