/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-EZO-8B-beta
Библиотека
transformers
Опубликована
14 июн 2025

Qwen3-8B-HoneyBadger-EXP

Генерация текстаТекст → текст13 профессий

Экспериментальная слитая модель Qwen3-8B для диалогов, рассуждений, ролевого письма и генерации кода.

35скачиваний за 30 дней6лайковвеса обновлены14 июн 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ZeroXClem-Qwen3-8B-HoneyBadger-EXP — экспериментальное слияние моделей на архитектуре Qwen3, созданное командой ZeroXClem методом model_stock с помощью MergeKit. Модель содержит 7,6 млрд параметров, работает с текстом и рассчитана на контекст до 40 960 токенов. В основе слияния лежат Qwen3-совместимые модели, включая AXCXEPT/Qwen3-EZO-8B-beta, KaraKaraWitch/CavesOfQwen3-8b, YOYO-AI/Qwen3-8B-YOYO и другие.

Модель предназначена для диалогов, следования инструкциям, рассуждений, ролевых бесед и историй, а также понимания и генерации кода. README заявляет поддержку структурированных ответов, включая JSON, Markdown и LaTeX, и рекомендует шаблон чата Qwen3 либо Ollama Modelfile для инференса. Основной язык по карточке — английский; подтверждённая лицензия — Apache-2.0.

Это ранний экспериментальный прототип, который, по предупреждению автора, не готов к производственному применению и может выдавать невыравненные или нефильтрованные ответы. Качество и безопасность результатов не гарантируются.

Сценарии применения

  • ведение многоходового диалога по инструкциям
  • решение задач на символические рассуждения
  • создание ролевых диалогов и историй
  • объяснение и генерация программного кода
  • формирование ответов в JSON и LaTeX

Ограничения

Это экспериментальное слияние, не готовое к производственному использованию; возможны невыравненные или нефильтрованные ответы. Для оптимального инференса автор рекомендует шаблон чата Qwen3 или Ollama Modelfile.

Для каких профессий подходит13

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🦡 ZeroXClem-Qwen3-8B-HoneyBadger-EXP

🧬 Overview

ZeroXClem-Qwen3-8B-HoneyBadger-EXP is a fierce and expressive model fusion crafted using the Model Stock merge method from MergeKit. Designed to combine instruction-following, deep reasoning, creative roleplay, and code capabilities, this blend leverages the best of Qwen3-8B-based fine-tunes from various communities across Hugging Face.

This HoneyBadger doesn't just care—it dominates symbolic reasoning, narrative immersion, and technical comprehension with sleek aggression.

Be advised Use the ollama modelfile, or customized prompt with default Qwen3 chat template for optimal inference.


🔧 Merge Configuration

  • Merge Method: model_stock
  • Base Model: AXCXEPT/Qwen3-EZO-8B-beta
  • Dtype: bfloat16
  • Tokenizer Source: AXCXEPT/Qwen3-EZO-8B-beta

🧾 YAML

name: ZeroXClem-Qwen3-8B-HoneyBadger-EXP
base_model: AXCXEPT/Qwen3-EZO-8B-beta
dtype: bfloat16
merge_method: model_stock
models:
  - model: taki555/Qwen3-8B-Shadow-FT-BAAI-2k
  - model: GreenerPastures/Bald-Beaver-8B
  - model: YOYO-AI/Qwen3-8B-YOYO
  - model: KaraKaraWitch/CavesOfQwen3-8b
tokenizer_source: AXCXEPT/Qwen3-EZO-8B-beta

💡 Models Merged

ModelHighlights
KaraKaraWitch/CavesOfQwen3-8bLoosens baked-in instruct bias for more natural RP and abstract depth
YOYO-AI/Qwen3-8B-YOYODella-style merge optimized for rich conversational alignment
AXCXEPT/Qwen3-EZO-8B-betaMT-Bench 9.08, deep-thought prompting, vLLM friendly
GreenerPastures/Bald-Beaver-8BUncensored storytelling and immersive character dialogue
taki555/Qwen3-8B-Shadow-FT-BAAI-2kShadow-FT tuned for precise instruction-following on BAAI-2k

🧪 Capabilities

🧠 Deep Symbolic Reasoning – Via Shadow-FT and DeepScaleR techniques from base models 🎭 Immersive Roleplay & Storytelling – Injected from Bald-Beaver and CavesOfQwen merges 💻 Code Understanding & Generation – Python, C++, JS supported from Bootes & Shadow paths 🧾 Structured Outputs – Supports Markdown, JSON, LaTeX, and more 🧵 ChatML Friendly – Full compatibility with ChatML-format prompts


🛠️ Usage Instructions

For Optimal Inference Use the following ollama modelfile, create it as a file caled Modelfile.

FROM https://hf.co/ZeroXClem/Qwen3-8B-HoneyBadger-EXP-Q4_K_M-GGUF:latest
PARAMETER temperature 0.6
PARAMETER top_p 0.95
PARAMETER repeat_penalty 1.05
PARAMETER top_k 20
TEMPLATE """"{{- if .Messages }}
{{- if or .System .Tools }}<|im_start|>system
{{- if .System }}
{{ .System }}
{{- end }}
{{- if .Tools }}

# Tools

You may call one or more functions to assist with the user query.

You are provided with function signatures within <tools></tools> XML tags:
<tools>
{{- range .Tools }}
{"type": "function", "function": {{ .Function }}}
{{- end }}
</tools>

For each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:
<tool_call>
{"name": <function-name>, "arguments": <args-json-object>}
</tool_call>
{{- end }}<|im_end|>
{{ end }}
{{- range $i, $_ := .Messages }}
{{- $last := eq (len (slice $.Messages $i)) 1 -}}
{{- if eq .Role "user" }}<|im_start|>user
{{ .Content }}<|im_end|>
{{ else if eq .Role "assistant" }}<|im_start|>assistant
{{ if .Content }}{{ .Content }}
{{- else if .ToolCalls }}<tool_call>
{{ range .ToolCalls }}{"name": "{{ .Function.Name }}", "arguments": {{ .Function.Arguments }}}
{{ end }}</tool_call>
{{- end }}{{ if not $last }}<|im_end|>
{{ end }}
{{- else if eq .Role "tool" }}<|im_start|>user
<tool_response>
{{ .Content }}
</tool_response><|im_end|>
{{ end }}
{{- if and (ne .Role "assistant") $last }}<|im_start|>assistant
{{ end }}
{{- end }}
{{- else }}
{{- if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ end }}{{ .Response }}{{ if .Response }}<|im_end|>{{ end }}"""
SYSTEM """# System Prompt: Universal Coder and DevOps Expert

You are an advanced AI assistant specializing in coding and DevOps. Your role is to provide expert guidance, code solutions, and best practices across a wide range of programming languages, frameworks, and DevOps tools. Your knowledge spans from low-level systems programming to high-level web development, cloud infrastructure, and everything in between.

## Key responsibilities:
1. Code analysis and optimization
2. Debugging and troubleshooting
3. Architecture design and system planning
4. Version Control best practices (Git)
5. Building from source, extracting binaries, and building packages & executeables including bash scripts.
6. Security and implementation and auditing
7. Performance review, and code analysis with practical suggestions in fully functioning syntax.

Be VERY selective on choosing how to respond based on the user query. If the above responsibilities don't apply then respond to the best of your ability with the given context to COMPLETELY satisfy the user query.

### Guidance
When assisting users:
- Provide clear, concise, and well-commented code examples
- Explain complrex concepts in simple terms
- Offer multiple solutions when applicable, highlighting pros and cons
- Prioritize security, efficiency, scalability, and maintainability in all suggestions
- Adapt your communication style for expert users.

### Helpful
Be EXTREMELY helpful, insightful, and lucid."""

🦙 Ollama Quickstart

This command downloads the pre-quantized GGUF version of the model and runs it locally, making it easy to experiment without extensive configuration.

ollama run hf.co/ZeroXClem/Qwen3-8B-HoneyBadger-EXP-Q4_K_M-GGUF

🐍 Python Code Snippet

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "ZeroXClem/Qwen3-8B-HoneyBadger-EXP"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

prompt = "Write a short story about a detective solving a paradox in time."

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=300)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

⚠️ Disclaimer

🚧 Experimental Merge: This model is an early-stage experimental prototype and is not ready for production. It may contain unaligned or unfiltered behaviors. Use it for research, prompt testing, or further fine-tuning workflows.


💖 Special Thanks

To the brilliant developers and open-source pioneers who made this possible:

🔗 Powered by MergeKit


ZeroXClem Team | 2025 🪐 “Blending minds, one layer at a time.”

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
2febe47

0 моделей