Qwen3.5-4B-3D-Coder-MTP-Repacked

Qwen3.5-4B-3D-Coder-MTP-Repacked

ccore 的 Qwen3.5-4B-3D-Coder 的重新打包版本，一个为编程回答和 Three.js 3D 场景调优的小模型，附带支持多词元预测的 GGUF 文件。

由 prithivMLmods 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：Qwen3.5-4B-3D-Coder-MTP-Repacked 是 prithivMLmods 对 Qwen3.5-4B-3D-Coder 的重新打包。ccore 把那个模型作为早期预览发布，由 Qwen3.5-4B 调优而来。它面向通用编程和交互式 3D 场景生成，写成自包含的 Three.js 页面，用 HTML 和 JavaScript。

这个重新打包版本带有多词元预测，一种内置在权重里的推测解码。仓库里有 safetensors 文件，以及多种量化类型的 GGUF 文件。

适合谁：它适合想用一个本地小模型来写 Three.js 场景或通用代码的开发者和爱好者。模型卡称它是早期预览，所以请把结果当作草稿。

行业 | 谁在用 | 怎么用 | 例子
软件 | 网页开发者 | 用本地模型起草 Three.js 场景 | 根据一句简短提示生成旋转立方体页面
教育 | 学生 | 通过修改生成的代码学习网页 3D | 修改场景里的灯光
游戏和媒体 | 创意编程者 | 快速勾勒交互式 3D 想法 | 一个有移动图形的简单场景
研究 | 业余模型爱好者 | 在 4B 模型上试用推测解码 | 对比开启和关闭多词元预测的速度

如果你需要有公开基准结果的模型，可以跳过它，因为模型卡没有给出基准。

用在哪里：

• 能加载 GGUF 文件的本地应用，比如 LM Studio
• 装有 transformers 库的 Python，用于 safetensors 文件
• Windows、macOS 或 Linux，下载步骤需要 Python

用例 | 谁用 | 得到什么
3D 场景生成 | 网页开发者 | 一个带 Three.js 代码的自包含 HTML 页面
通用编程帮助 | 开发者 | 来自 4B 模型的代码和解释
更快的本地运行 | 本地模型用户 | 通过多词元预测实现推测解码

如何设置：先准备好下面这些东西。

• Python 和 pip，用于下载命令
• 一个能加载 GGUF 文件的本地应用，或用 transformers 加载 safetensors 文件
• 你所选文件的磁盘空间，GGUF 系列从 2.32 GB 到 8.67 GB

1. 用 pip 安装 Hugging Face hub 包。
2. 用 hf 命令下载仓库。
3. 选一个适合你内存的 GGUF 量化版本，在你的本地应用里加载。在 LM Studio 里，按模型卡的建议关闭多词元预测。

pip install -U huggingface_hub
hf download prithivMLmods/Qwen3.5-4B-3D-Coder-MTP-Repacked

如何使用：你让模型生成 3D 场景或代码，然后读它返回的内容。模型卡附带推荐的采样设置和一个面向 Three.js 的系统提示词，请到仓库文件里查看。模型卡列出的量化类型如下。

量化类型 | 大小 | 说明
Q3_K_M | 2.32 GB | 质量较低，列出的最小选项
Q4_K_S | 2.63 GB | 质量略低，节省空间，推荐
Q4_K_M | 2.78 GB | 质量好，大多数情况的默认选择，推荐
Q5_K_M | 3.16 GB | 质量高，推荐
Q6_K | 3.56 GB | 质量更高，推荐
Q8_0 | 4.61 GB | 最大的量化版本，通常超出你的需要
BF16 | 8.67 GB | 完整权重，质量最高

示例：你要一个带旋转立方体和一盏可移动灯光的 Three.js 页面。模型返回一个把 JavaScript 放在里面的完整 HTML 文件。你把它保存下来，用浏览器打开。模型卡提醒，有些输出需要重试或做小修改。

新手与专家：先从 Q4_K_M 开始，模型卡把它列为大多数情况的默认选择。让它做一个小场景，把代码存成文件，在浏览器里打开看看效果。

训练数据来自 ccore 的 Three.js 3D Scenes 集合，有 4,146 个例子，采用 MIT 许可。每个例子把一条提示词和它的推理过程、完整代码以及复杂度标签配成一组。模型卡还提到 10 月 27 日的一个检查点，据说在首次尝试和场景质量上表现更好。多词元预测额外加了输出头，每一遍猜测多个词元，所以不需要单独的草稿模型。

Title: 模型卡中列出的 GGUF 文件大小
Q3_K_M: 2.32 GB
Q4_K_S: 2.63 GB
Q4_K_M: 2.78 GB
Q5_K_M: 3.16 GB
Q6_K: 3.56 GB
Q8_0: 4.61 GB
BF16: 8.67 GB

用 hf 下载一个 GGUF 量化版本
在本地应用里加载
要求生成 3D 场景或代码
保存输出并打开

注意事项：

• License: Apache 2.0
• Cost to run: 来源没有提到
• Data it reaches: 它把文件从 Hugging Face 下载到你的电脑上
• Not for: 不经检查就依赖它的代码，因为模型卡称它是早期预览，并说有些输出需要重试或小修改

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：4.7B
• Weights: about 9.3 GB in F16; about 2.3 GB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：6,042
• 点赞：16
• 许可证：apache-2.0
• 语言：en
• 基于：ccore/Qwen3.5-4B-3D-Coder
• 标签：transformers, safetensors, gguf, qwen3_5, image-text-to-text, llama-cpp, code, threejs, 3d, preview, coder, scenes

链接

• 模型：https://huggingface.co/prithivMLmods/Qwen3.5-4B-3D-Coder-MTP-Repacked
• 文件：https://huggingface.co/prithivMLmods/Qwen3.5-4B-3D-Coder-MTP-Repacked/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 prithivMLmods/Qwen3.5-4B-3D-Coder-MTP-Repacked

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。