Qwen3.5-9B Brainwaves DeepThought STEM OneJev1.6

Qwen3.5-9B Brainwaves DeepThought STEM OneJev1.6

nightmedia 制作的实验性 9.4B 图文模型，由三个 9B 模型合并而成，面向推理和理科问题。适合喜欢尝试小型开放合并模型的爱好者和研究者。

由 nightmedia 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是 nightmedia 制作的实验性合并模型，nightmedia 是一个独立的 AI 实验室，说自己只用一台笔记本电脑工作。它合并了三个模型：自己的 Qwen3.5-9B-Brainwaves、xtools-at 的 Qwen3.5-9B-DeepThought-STEM，以及 OmniJev 的 OneJev1.6-9B。结果大约有 9.4 billion 参数，支持文本和图像，列出的语言有英语、中文、日语和西班牙语。这张模型卡更像一本实验室笔记而不是规格表，所以请把它当作一个实验。

适合谁：适合喜欢测试小型开放合并模型的爱好者和研究者，以及想比较合并模型和它的组成部分得分的人。这个模型目前使用很少，最近 30 天有 30 次下载。

Title: 谁会用它
Industry | Who uses it | How they use it | Example
研究 | 模型爱好者 | 把合并模型与它的来源模型对比 | 对比它与 Brainwaves 模型的 ARC 得分
本地 AI | 爱好者 | 在家试用一个偏推理的小模型 | 用英语或中文问它一个科学问题
教育 | 学习模型合并的学生 | 研究合并如何改变得分 | 并排阅读模型卡里的得分表

如果你需要一个经过测试、有支持的生产模型，可以跳过它。模型卡称它是实验性的，也没有安全或局限性的部分。

用在哪里：Hugging Face 的记录列出了 transformers 库和图文转文本任务。模型卡展示了一次测试对话，能看到的部分没有给出加载代码。

• 带 transformers 库的 Python
• 在内存足够放下 18.9 GB BF16 权重的机器上做本地实验
• Windows、macOS 或 Linux 加 Python，用来下载文件

Title: 它能做的事
Use case | Who | What they get back
推理和理科问题 | 爱好者 | 关于技术话题的长篇文字回答
图文对话 | 实验者 | 接收图片和提示词的回复
合并对比 | 研究者 | 可以与它的来源模型对照的得分

如何设置：你需要带 pip 的 Python，以及放下约 18.9 GB BF16 权重的内存，或按估算 4 位约 4.7 GB。模型卡能看到的部分只给了下载步骤，没有运行命令，所以请参考 transformers 里图文模型的指南。

• 带 pip 的 Python
• transformers 库
• 约 18.9 GB BF16 权重所需的内存，或 4 位约 4.7 GB

1. 安装 Hugging Face 的下载工具。
2. 把模型文件下载到你的电脑。
3. 像加载其他图文模型一样，用 transformers 加载它。

pip install -U huggingface_hub
hf download nightmedia/Qwen3.5-9B-Brainwaves-DeepThought-STEM-OneJev1.6

如何使用：用对话形式给它写提示词。模型卡自己的测试要求做一次长篇分析和自我反思，模型回答了一份长长的结构化报告。因为模型卡没有给推荐设置，所以要预期自己多试几种提示词，并核对它的回答。

示例：你问它，transformer 里的注意力和物理学里的想法怎么类比。模型卡展示的是模型回复了一份带标题和公式的长报告。使用这样的回复之前，请先核对其中的说法。

新手与专家：如果你是新手，合并就是把几个模型混合成一个，不用从头训练。把它当作一个有趣的东西，在你自己的问题上与它的来源模型对比。

如果你熟悉这个领域，模型卡用一个紧凑的表格报告了自己的基准得分。合并模型在 q8-hi 下的 ARC 得分是 0.701，高于 Brainwaves 组件 BF16 的 0.686，也高于普通 Qwen3.5-9B 指令模型的 0.561。这些是作者自己的数字，在量化文件上跑出来，所以请在你自己的任务上重新测一遍。

文本或图像输入
合并后的 9.4B 模型读取它
它写出一段长回复
你自己核对回复

注意事项：模型卡里的 ARC 得分显示合并模型领先于它的组成部分。越高越好。

Title: ARC 得分，除特别说明外为 q8-hi
This merge: 0.701
Brainwaves, BF16: 0.686
DeepThought-STEM: 0.570
Qwen3.5-9B instruct: 0.561

• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 来自 Hugging Face 的模型文件，以及你发给它的文本和图像
• Not for: 没有自己测试的生产使用，或需要经过验证的答案的任务

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：9.4B
• Weights: about 18.9 GB in BF16; about 4.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：57
• 点赞：5
• 许可证：apache-2.0
• 语言：en, zh, ja, es
• 基于：OmniJev/OneJev1.6-9B
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, qwen3.5, bf16, distillation, coder-flash, claude, polaris, polaris-alpha, reasoning

链接

• 模型：https://huggingface.co/nightmedia/Qwen3.5-9B-Brainwaves-DeepThought-STEM-OneJev1.6
• 文件：https://huggingface.co/nightmedia/Qwen3.5-9B-Brainwaves-DeepThought-STEM-OneJev1.6/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download nightmedia/Qwen3.5-9B-Brainwaves-DeepThought-STEM-OneJev1.6

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。