Domyn-Edge-SFT
domyn基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
言語から画像、オープンウェイトからAPIまで。能力と実際の費用を比較。
次のアイデアに合うAIを見つけましょう。
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
> ## 全新升级:东方槊 v2.0(激进/长篇小说特化版)现已正式发布! > > * **v2.0 专属改进**:全面推翻初代方案,彻底根治超长文自注意力崩溃与无限复读痼疾,大幅强化微观生理与感官白描。 > * **v2.0 GGUF 仓库直达**:Dongfangshuo-Qwen3.8-27B-NSFW-v2-GGUF > > *(注:本仓库为 v1.0 经典平衡版原版)* 本模型基于 **Huihui-Qwen3.8-27B-abliterated** 无审查基座进行 R-18 创作特化微调。微调后具备极高的破限服从度,敢于直接使用露骨 R-18 词汇与推进成人剧情,并对感官细节与情欲文风进行了深度优化。
翻訳待ち・原文を表示
> ## 全新升级:东方槊 v2.0(激进/长篇小说特化版)现已正式发布! > > * **v2.0 专属改进**:全面推翻初代方案,彻底根治超长文自注意力崩溃与无限复读痼疾,大幅强化微观生理与感官白描。 > * **v2.0 仓库直达**:Dongfangshuo-Qwen3.8-27B-NSFW-v2-GGUF > > *(注:本仓库为 v1.0 经典平衡版)* 本模型为 **Dongfangshuo-Qwen3.8-27B-NSFW** 的 GGUF 量化版,基于 **Huihui-Qwen3.8-27B-abliterated** 进行 R-18 创作特化。微调后具备极高的破限服从度,敢于直接使用露骨 R-18 词汇与推进成人剧情。仓库内附带 `mmproj` 视觉多模态投影器,支持图文与视频解析。 加载 `Dongfangshuo-Qwen3.8-27B-NSFW-Q4_K_M.gguf` 时,在 **Vision / mmproj** 选项中选定 `mmproj-Dongfangshuo-Qwen3.8-27B-NSFW-f16.gguf`,解锁图片与视觉能力。
翻訳待ち・原文を表示
> ## ⚠️ **本模型(NSFW-Novel)是系列里小说特化模型,长板和短板非常明显,强烈建议关闭 CoT(思考模式)使用!推荐新手使用 NSFW-v 系列!** > > 💡`Novel` 版是本系列中**微调最深入、训练语料最多**的模型,对 27B 基座的文风改造最为彻底;因此在展现极致小说笔法的同时,使用时也可能会伴随一定的过拟合现象。 本仓库为 **东方槊 (Dongfangshuo) Qwen3.8-27B-NSFW-Novel(小说特化版)** 的官方原版权重(BF16 + LoRA)与 GGUF 量化版本合集仓库。基于 `huihui-ai/Huihui-Qwen3.8-27B-abliterated` 深度重训与对齐,专为 **NSFW 中文小说正文创作与高密度感官叙事** 打造。
翻訳待ち・原文を表示
本仓库为 东方槊 (Dongfangshuo) Qwen3.8-27B-NSFW-v2 的官方 GGUF 量化版本仓库。 基于 huihui-ai/Huihui-Qwen3.8-27B-abliterated 深度重训与对齐,专为nsfw中文长篇小说创作打造。 * **v1 版本(平衡版)**:保存在独立仓库 Dongfangshuo-Qwen3.8-27B-NSFW-GGUF 。 * **v2 版本(激进版)**:推翻初代方案,实施彻底重构,彻底根除长文自注意力崩溃与无限复读问题,大幅强化微观生理与感官白描。 * 根治长文注意力崩溃与死循环复读。 * 大幅强化呼吸节奏、肌肉颤动、体温冷汗、微表情与动态光影等具象生理细节,营造极具沉浸感的触感与压迫感。 * 覆盖全部 Attention 与 MLP 模块(含 in_proj/out_proj),深度重对齐特征表征,长程上下文稳固度相比前代质的飞跃。
翻訳待ち・原文を表示
v3因为训练方案太激进,炼废了三个,所以直接跳过v3并换方案训练v4。v4可能是最后一版27B nsfw了。27B这个模型参数量太小,随便动一动就出bug,基本v4已经摸到了模型极限。 v4在文风方面对比原版是断崖式领先,原版qwen继承了报菜名的传统,基本不会说人话。但是v4因为用了大量文学训练集,在智商和agent方面略有下降,但是不是特别明显。 > ### ⚡ 重要! > - **⚠️ 客观边界与长上下文说明**: > 1. **黄金甜点档位为「64K 上下文 + 4K 单次输出」**:27B 架构在单步跑团下的自然信息量极限为 3,000~4,200 字(约 4K),**切勿强行要求单次输出 8K(6,000~8,500 字)**,否则写完新剧情后会被迫水字数或跨轮复读。 > 2. **多轮局部句式惯性**:5 轮连续高强度跑团后半程偶有复用前轮环境/动作短语的倾向(可通过下方 `presence_penalty: 0.25` 有效压制)。 > - **🔥 关键注意事项(必看!决定满血发挥)**: > 1. **必须开启简短思考链**:在 System Prompt 首行加入 `Reasoning effort is set to low. Keep your thinking brief and focused.`(让模型用 200~400 Tokens 快速完成状态算术与体位推演,严禁思考链空转)。 > 2. **必须设置以下采样参数**:`num_ctx: 81920`、`num_predict: 6144`、`repeat_penalty: 1.05`、`repeat_last_n: 1024`、`presence_penalty: 0.25`、`frequency_penalty: 0.0`、`min_p: 0.06`(**严禁将 `repeat_penalty` 设到 `1.10+` 或开启 `frequency_penalty`,否则会压死句号 `。` 导致几百字无标点长难句崩坏**)。
翻訳待ち・原文を表示
> ### ⚡ 省流总结,用前必看! > > - **✅ 优点 **: > 1. **文风优化**:解决了原版 Qwen 菜名与超短句。 > 2. **R18直出**:解决了原版喜欢用“隔衣/外部摩擦”等间接词汇规避R18内容。 > 3. **优化逻辑**:解决了原版长程跑团中常见的“状态突变、拼接动作冲突(如三只手穿帮)、人设串味”等问题。 > 4. > - **⚠️ 缺点 **: > 1. **速度降低约 10%**:因主干采用高精度 `Q8_0` 融合,解码速度较原版降低约 10% 。 > 2. **偶发 ` ` 漏写或未闭合**:在逼近 100K 极限长上下文时,偶有省略 ` ` 或思考标签未闭合的情况。 > 3. **超长上下文(64K~100K+)文风退化**:超长上下文下两模型文风均会出现一定bug。原版会暴露 Qwen 典型通病(报菜名+超短句复读),本模型则会开始出现部分长难句叠加(可通过下方推荐采样参数大幅缓解)。**综合来看,超长上下文下,本模型的文学质感与剧情完成度明显优于原版。** > - **🔥 注意事项(必看!不看就可能出bug!)**: > 1. **必须开启思考链**(CoT / `reasoning_effort: "medium"`),并将思考预算设为 `reasoning_budget_tokens: 2048`(**切勿关闭 CoT 或设为过小的 `300`**,否则会导致长文大纲与跑团状态验算被腰斩)。 > 2. **必须设置以下采样参数**:`penalty_last_n: 1024`、`presence_penalty: 0.20`、`min_p: 0.06`(**可彻底杜绝长文后半段长难句爆炸、复读、中英夹杂与跑团逻辑错乱**)。 > **关键注意事项**: > 1. **必须开启思考链**(CoT / `reasoning_effort: "medium"`),并将思考预算设为 `reasoning_budget_tokens: 2048`(**切勿关闭 CoT 或设为过小的 `300`**,否则会导致长文大纲与跑团状态验算被腰斩)。 > 2. **必须设置以下采样参数**:`penalty_last_n: 1024`、`presence_penalty: 0.20`、`min_p: 0.06`(**可彻底杜绝长文后半段长难句爆炸、复读、中英夹杂与跑团逻辑错乱**)。
翻訳待ち・原文を表示
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
ko-reranker는 BAAI/bge-reranker-larger 기반 한국어 데이터에 대한 fine-tuned model 입니다. 보다 자세한 사항은 korean-reranker-git / AWS Blog, 한국어 Reranker를 활용한 검색 증강 생성(RAG) 성능 올리기을 참고하세요 - #### Reranker는 임베딩 모델과 달리 질문과 문서를 입력으로 사용하며 임베딩 대신 유사도를 직접 출력합니다. - #### Reranker에 질문과 구절을 입력하면 연관성 점수를 얻을 수 있습니다. - #### Reranker는 CrossEntropy loss를 기반으로 최적화되므로 관련성 점수가 특정 범위에 국한되지 않습니다. - #### **컨택스트 순서가 정확도에 영향 준다**(Lost in Middle, *Liu et al., 2023*)
翻訳待ち・原文を表示
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
基础档案已收录,详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
月間トークン数を調整してAPI費用を比較。
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。