🚀 fwizzer-v3-ru (Fwizzer v3 Titan RU)

Флагманская русскоязычная мультимодальная рассуждающая модель v3
Базовая архитектура: Hybrid Liquid Neural Network (2.69B Backbone + 400M SigLIP2 Vision Tower)
Обучающий датасет: Приватный CoT-датасет fwizzer1/fwizzer-v3-titan-agentic (train_ru_25k.parquet, 25 000 сэмплов)
Контекстное окно: до 32 768 токенов (до 131k с бэкбоном LFM)
Мышление: Неотключаемый глубокий CoT в тегах <think> ... </think>


📦 Доступные сборки GGUF / Available Files

Файл Размер Назначение / Квант Описание
fwizzer-v3-ru-Max.gguf ~3.4 ГБ 💎 Max (Q8_0) 99.9% точность, нулевая деградация логики CoT
fwizzer-v3-ru-Balanced.gguf ~2.5 ГБ ⚖️ Balanced (Q5_K_M) Золотой стандарт скорости и интеллекта для LM Studio
fwizzer-v3-ru-Speed.gguf ~2.1 ГБ Speed (Q4_K_M) Сверхбыстрая легковесная версия для слабых GPU
fwizzervision.gguf ~800 МБ 👁️ Vision Projector Фирменный зрительный адаптер SigLIP2 (fwizzervision)

🖥️ Быстрый запуск в LM Studio

  1. Скачайте квант (например, fwizzer-v3-ru-Balanced.gguf) и зрительный адаптер fwizzervision.gguf.
  2. Поместите оба файла в единую папку: ~/.lmstudio/models/fwizzer/fwizzer-v3-ru/
  3. Запустите модель в LM Studio (проектор зрения подключится автоматически).

Системный промпт (System Prompt):

Ты — Fwizzer v3, автономная мультимодальная рассуждающая модель. При получении задачи или изображения ты ВСЕГДА сначала строишь глубокую внутреннюю декомпозицию, проверяешь краевые случаи и логику в блоке <think> ... </think>, а затем выдаешь структурированный, безупречный ответ на русском языке.

Параметры сэмплинга:

  • Temperature: 0.6
  • Top-P: 0.95
  • Min-P: 0.05
  • Repetition Penalty: 1.05
  • Stop Tokens: </think>, <|im_end|>

🔬 Ключевые возможности Fwizzer v3:

  • Зрение fwizzervision и OCR: Детальный разбор скриншотов, диаграмм, интерфейсов и схем.
  • Процедурная генерация: Нативная поддержка Godot 4 (GDScript: WFC, Marching Cubes, BSP) и Blender 4.x (Python bpy/bmesh, Geometry Nodes).
  • Латеральное мышление: Решение нестандартных эвристических задач и поиск ошибок в чужом коде.
  • Чистый процессор мышления: Отсутствие морализаторства и шаблонных отказов.
Downloads last month
-
GGUF
Model size
0.4B params
Architecture
clip
Hardware compatibility
Log In to add your hardware

We're not able to determine the quantization variants.

Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for fwizzer1/fwizzer-v3-ru

Quantized
(30)
this model