Instructions to use chenyumo/moziAI-35B-A3B-MOE-MTP with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Notebooks
Google Colab
Kaggle
Local Apps Settings

How to use chenyumo/moziAI-35B-A3B-MOE-MTP with llama.cpp:

Install (macOS, Linux)

curl -LsSf https://llama.app/install.sh | sh
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16
# Run inference directly in the terminal:
llama cli -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Install from WinGet (Windows)

winget install llama.cpp
# Start a local OpenAI-compatible server with a web UI:
llama serve -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16
# Run inference directly in the terminal:
llama cli -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Use pre-built binary

# Download pre-built binary from:
# https://github.com/ggerganov/llama.cpp/releases
# Start a local OpenAI-compatible server with a web UI:
./llama-server -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16
# Run inference directly in the terminal:
./llama-cli -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Build from source code

git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
cmake -B build
cmake --build build -j --target llama-server llama-cli
# Start a local OpenAI-compatible server with a web UI:
./build/bin/llama-server -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16
# Run inference directly in the terminal:
./build/bin/llama-cli -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Use Docker

docker model run hf.co/chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

LM Studio
Jan

vLLM

How to use chenyumo/moziAI-35B-A3B-MOE-MTP with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "chenyumo/moziAI-35B-A3B-MOE-MTP"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "chenyumo/moziAI-35B-A3B-MOE-MTP",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Ollama
How to use chenyumo/moziAI-35B-A3B-MOE-MTP with Ollama:
```
ollama run hf.co/chenyumo/moziAI-35B-A3B-MOE-MTP:BF16
```
Unsloth Desktop

How to use chenyumo/moziAI-35B-A3B-MOE-MTP with Pi:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Configure the model in Pi

# Install Pi:
npm install -g @earendil-works/pi-coding-agent
# Add to ~/.pi/agent/models.json:
{
  "providers": {
    "llama-cpp": {
      "baseUrl": "http://localhost:8080/v1",
      "api": "openai-completions",
      "apiKey": "none",
      "models": [
        {
          "id": "chenyumo/moziAI-35B-A3B-MOE-MTP:BF16"
        }
      ]
    }
  }
}

Run Pi

# Start Pi in your project directory:
pi

Docker Model Runner
How to use chenyumo/moziAI-35B-A3B-MOE-MTP with Docker Model Runner:
```
docker model run hf.co/chenyumo/moziAI-35B-A3B-MOE-MTP:BF16
```

Lemonade

How to use chenyumo/moziAI-35B-A3B-MOE-MTP with Lemonade:

Pull the model

# Download Lemonade from https://lemonade-server.ai/
lemonade pull chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Run and chat with the model

lemonade run user.moziAI-35B-A3B-MOE-MTP-BF16

List all available models

lemonade list

Hermes Agent

How to use chenyumo/moziAI-35B-A3B-MOE-MTP with Hermes Agent:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Configure Hermes

# Install Hermes:
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes setup
# Point Hermes at the local server:
hermes config set model.provider custom
hermes config set model.base_url http://127.0.0.1:8080/v1
hermes config set model.default chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Run Hermes

hermes

Atomic Chat

OpenClaw

How to use chenyumo/moziAI-35B-A3B-MOE-MTP with OpenClaw:

Start the llama.cpp server

# Install llama.cpp:
brew install llama.cpp
# Start a local OpenAI-compatible server:
llama serve -hf chenyumo/moziAI-35B-A3B-MOE-MTP:BF16

Configure OpenClaw

# Install OpenClaw:
npm install -g openclaw@latest
# Register the local server and set it as the default model:
openclaw onboard --non-interactive --mode local \
  --auth-choice custom-api-key \
  --custom-base-url http://127.0.0.1:8080/v1 \
  --custom-model-id "chenyumo/moziAI-35B-A3B-MOE-MTP:BF16" \
  --custom-provider-id llama-cpp \
  --custom-compatibility openai \
  --custom-text-input \
  --accept-risk \
  --skip-health

Run OpenClaw

openclaw agent --local --agent main --message "Hello from Hugging Face"

moziAI-35B-A3B-MOE-MTP / V3.8 /README.ru.md

chenyumo

Upload V3.8/README.ru.md with huggingface_hub

f8c7a9c verified 3 days ago

preview code

Raw

History Blame Contribute Delete

23.3 kB

metadata

language:
  - ru
  - en
license: other
tags:
  - gguf
  - MoE
  - financial-llm
  - MoziSmartBit
  - qwen3.5
  - qwen3.6
  - ornith
  - MoziAI
  - tool-calling
  - uncensored
  - vision
  - MTP
library_name: llama-cpp
pipeline_tag: text-generation

MoziAI-35B-V3.8 — Компактная и мощная мультимодальная ИИ-модель для бесплатного локального развертывания

Дата выпуска: 2026-09-01 · Версия: V3.8

📑 Содержание

1. Обзор модели
2. Ключевые особенности — Динамическое 7-мерное мышление / LOOP / MoziSmartBit / Финансовый фокус
3. Информация об обновлении
4. Основные возможности
5. Технические характеристики
6. Быстрый старт — Комплект из 3 файлов
7. Загрузка модели
8. Команды запуска
9. Рекомендуемые параметры инференса
10. Сравнение форматов квантования
11. Спекулятивное декодирование
12. Рекомендации по VRAM
13. Методы развертывания
14. Бенчмарки
15. Оптимизация Uncensored
16. Лицензия
17. Контакты

1. Обзор модели

MoziAI-35B-V3.8 — это локально развертываемая мультимодальная ИИ-модель с открытым исходным кодом, разработанная командой китайского финансового инфлюенсера Чэнь Юмо. На основе открытой базовой модели Ornith-1.5-35B-A3B (архитектура Qwen3.5-35B-A3B / Qwen3.6-35B-A3B, MoE 35B, лицензия MIT) она объединяет собственные финансовые данные + финансовые возможности + динамическую 7-мерную систему мышления + механизм итерации LOOP агента + характеристику Uncensored + гибридный алгоритм квантования MoziSmartBit.

💡 Преимущество размера: всего 15,9 ГБ — MoE-модель с 35 млрд параметров сжата с помощью собственной квантования MoziSmartBit до всего 15,9 ГБ (примерно на 30% меньше стандартного Q4_K_M ~22 ГБ). Помещается в один установочный пакет, работает на обычных потребительских GPU (от 20 ГБ VRAM), снижает облачные затраты до 0, обеспечивает свободу токенов 7×24 и гарантирует конфиденциальность локальных данных. Бесплатное коммерческое использование — нулевой порог.

2. Ключевые особенности

🧠 Динамическая 7-мерная система мышления

Собственный фреймворк инференса MoziAI. Для любой задачи модель сначала выводит маркер moziAI-Think, затем динамически разворачивает структурированное мышление в зависимости от сложности:

Уровень	Сценарий	Типичные задачи	Разворачиваемые измерения
Уровень 0	Простые Q&A	Объяснение термина, поиск фактов, перевод, резюме	①Понимание ⑤Ресурсы (быстрый ответ 2D)
Уровень 1	Анализ/диагностика	Маркетинговое исследование, тексты, анализ данных, отчеты, оценка стратегий	①②③⑤⑥ Оценка 5D
Уровень 2	Сложная разработка/стратегия	Код, архитектура, квант-стратегии, многошаговые workflow, системы	①②③④⑤⑥⑦ Глубокий анализ 7D

7 измерений: ①Понимание задачи ②Оценка сложности ③Зависимости ④Оценка рисков ⑤Ресурсы ⑥Критерии приемки ⑦Стратегия выполнения

🔄 Механизм итерации LOOP агента

Сложные задачи автоматически входят в режим moziAI-Loop: Раунд 1 выполнение+оценка → Раунд 2 корректировка+проверка. Выходные данные само-валидируются перед финальным ответом. Как опытный инженер — «разложить → оценить → выполнить → рефлексировать → оптимизировать» — заметно повышая точность. Простые Q&A пропускают Loop.

📦 Интеллектуальное квантование MoziSmartBit

Собственное многослойное интеллектуальное квантование сжимает модель MoE с 35 млрд параметров до примерно 15,5 ГБ — на ~~6,5 ГБ (~~30%) меньше стандартного Q4_K_M (22 ГБ) с **99%** точности FP16. Степень сжатия 4,5x.

💰 Финансовый фокус

Глубокая оптимизация для финансовых Q&A, квант-программирования и вызова инструментов. Финансы крайне не терпят галлюцинаций — MoziAI заметно превосходит универсальные модели того же размера.

🛡️ Характеристика Uncensored

Без ограничений контента, свободный вывод, полная информация, локальная приватность (см. Раздел 15).

🌐 Другие особенности

Многоязычность: 201 язык и диалект, китайский оптимизирован
Программирование: full-stack, Python/JS/TS/Go/Rust
Написание текстов: отчеты, статьи, технические документы, креатив
Зрение: мультимодальность, понимает скриншоты
Мульти-фреймворк: llama.cpp / Ollama / LM Studio / Jan
Мульти-агент: OpenClaw / Hermes / Cursor / Claude Code / Codex, нативные вызовы инструментов

3. Информация об обновлении

V3.8 переобучена на той же системе собственных наборов данных поколения, что и 27B-V3.8 (идентичность / динамическое 7D-мышление / итерация LOOP / финансы), с усилением динамического 7D-мышления + режима инференса LOOP: лучшее распознавание сложности, более высокие показатели выполнения, более сильная способность «сначала думать, потом действовать». Uncensored и финансовая оптимизация сохранены.

MoziAI поддерживает активный темп обновлений и делает локальные ИИ-модели легче и способнее.

4. Основные возможности

Область	Описание
Анализ рынка	Макро/микроэкономика, акции A/HK/US, сырье, крипто
Финансы и отчеты	Показатели отчетности, резюме, оценка и прогнозы
Риск и комплаенс	Риск продукта, комплаенс советов, регулирование
Квант и стратегия	Квант-стратегии, Pyramid/PEL, бэктест, факторы, вызовы инструментов
Вызов инструментов	Рыночные данные в реальном времени, базы данных, поиск

5. Технические характеристики

Пункт	Характеристика
Базовая модель	Ornith-1.5-35B-A3B (Qwen3.5-35B-A3B / Qwen3.6-35B-A3B, MIT)
Параметры	35B MoE, 256 роутинговых экспертов + 1 общий, 8 активных на токен
Квантование	MoziSmartBit + стандарт GGUF
Длина контекста	256K (262 144 токена)
Размер	~15,5 ГБ
Мин. VRAM	20 ГБ+ развертывание (оффлоад CPU); 24 ГБ+ длинный контекст; 32 ГБ+ полный 256K + зрение
Фреймворки	llama.cpp / Ollama / LM Studio / Jan
Скорость	Спекулятивное декодирование: AMD R9700 140+ tok/s / AMD MAX+395 70+ tok/s
Разработчик	Команда Чэнь Юмо

6. Быстрый старт 3 файла 100 оптимальный инференс

⚠️ Важно: для оптимального инференса нужно скачать 3 файла вместе — основную модель, проектор зрения, чат-шаблон. Если одного не хватает, соответствующая возможность теряется.

6.1 Скачать файлы модели

Скачайте эти 3 файла с HuggingFace / ModelScope в одну локальную папку (основная модель в корне репозитория, проектор зрения в mmproj/35B/, чат-шаблон в V3.8/):

moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf  ← Основная модель (обязательно, 15,5 ГБ)
moziAI-35B-mmproj-BF16-V1.0.gguf                        ← Проектор зрения (обязательно, ~1 ГБ)
moziAI-V3.8-35B-chat-template.jinja                                        ← Чат-шаблон (обязательно, 7D-мышление+LOOP)

6.2 Запуск и использование

llama-server \
  -m ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf \
  --mmproj mmproj/35B/moziAI-35B-mmproj-BF16-V1.0.gguf \
  --chat-template-file V3.8/moziAI-V3.8-35B-chat-template.jinja \
  -c 131072 -ngl 99 \
  --host 0.0.0.0 --port 8080

Откройте http://localhost:8080 в браузере. Полные параметры в Разделе 9.

7. Загрузка модели

Платформа	Адрес
HuggingFace	chenyumo/moziAI-35B-A3B-MOE-MTP
ModelScope	chenyumo/moziAI-35B-A3B-MOE-MTP
GitHub	chenyumo166/moziAI-35B
Ollama	`ollama pull chenyumo/moziAI-35B-A3B`

💡 Пользователи LM Studio: найдите moziAI в LM Studio и скачайте в один клик.

8. Команды запуска

Минимальный запуск (3 файла)

llama-server \
  -m ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf \
  --mmproj mmproj/35B/moziAI-35B-mmproj-BF16-V1.0.gguf \
  --chat-template-file V3.8/moziAI-V3.8-35B-chat-template.jinja \
  -c 131072 -ngl 99 \
  --host 0.0.0.0 --port 8080

Полный рекомендуемый запуск

llama-server \
  -m ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf \
  --mmproj mmproj/35B/moziAI-35B-mmproj-BF16-V1.0.gguf \
  --chat-template-file V3.8/moziAI-V3.8-35B-chat-template.jinja \
  -c 262144 -ngl 99 -t 28 \
  --batch-size 2048 --ubatch-size 512 \
  --flash-attn auto \
  --cache-type-k q4_0 --cache-type-v q4_0 --kv-unified \
  --poll 0 \
  --reasoning on --reasoning-format deepseek-legacy \
  --spec-default \
  --host 0.0.0.0 --port 8080 \
  --temp 0.6 --top-p 0.95 --top-k 20 --min-p 0.024 \
  --repeat-penalty 1.05 --presence-penalty 0

💡 При нехватке VRAM: уменьшите -c (напр. 131072) или добавьте --fit on.

9. Рекомендуемые параметры инференса

Оптимизировано локальными тестами (AMD Radeon AI PRO R9700 32 ГБ):

Параметр	Повседневные задачи/Тексты	Сложные задачи/Программирование	Описание
temperature	0,6	0,8	Повседневная стабильность; умеренное исследование для кода
top_p	0,95	0,95	Порог ядерной выборки
top_k	20	20	Усеченная выборка
min_p	0,024	0,024	Фильтр минимальной вероятности
repeat_penalty	1,05	1,05	Штраф за повторение
presence_penalty	0	0	Без штрафа присутствия
context_length	131072	262144	Повседневно 128K / Сложно 256K (по умолчанию llama.cpp 128K)
reasoning	on	on	Цепочка рассуждений (CoT)
reasoning_budget	400	1000	Бюджет рассуждений (выше для сложных задач)
reasoning_format	deepseek-legacy	deepseek-legacy	Рассуждения в отдельном поле
spec-type	default	default	Спекулятивное декодирование (ngram, оптим. MoE, Раздел 11)
Кэш KV	q4_0	q4_0	Квантованный кэш KV (kv-unified)

💡 Режим мышления: активируется --reasoning on. reasoning_budget ограничивает токены размышлений.

10. Сравнение форматов квантования

Формат	Размер	Точность	Описание
FP16 оригинал	~70 ГБ	100%	Без потерь, нужен про-GPU
MoziSmartBit (эта модель)	~15,5 ГБ	~99%	Собственная разработка, лучшее точность/размер
Q4_K_M	~22 ГБ	~98%	Стандарт GGUF 4-bit
Q5_K_M	~24,7 ГБ	~99%	Выше
Q6_K	~28,5 ГБ	~99,5%	Почти без потерь
Q8_0	~36,9 ГБ	~100%	Без потерь

MoziSmartBit сохраняет ~99% и сжимает 35B MoE до 15,5 ГБ (4,5x), на ~30% меньше Q4_K_M.

11. Спекулятивное декодирование ключевая функция

Эта модель ускоряет инференс с помощью спекулятивного декодирования — в ~1,5-2 раза быстрее (локальные измерения).

Оптимально для MoE: llama.cpp рекомендует ngram (--spec-default) для MoE — самый быстрый и стабильный
О «MTP» в названии: происходит от весов Multi-Token Prediction базы (сохранены); поддержка MTP draft llama.cpp для MoE ограничена, поэтому MoziAI использует ngram

--spec-default

12. Рекомендации по VRAM

Измерено на версии MoziSmartBit (модель + зрение ~16,4 ГБ):

VRAM	Рекомендация	Описание
20 ГБ	150K контекст, q4_0, зрение	~19,5 ГБ использовано
24 ГБ	Полный 256K, q4_0, идеальное зрение	Рекомендуется: ~20,4 ГБ, запас ~3,6 ГБ
32 ГБ+	Полный 256K, большой запас	R9700 32 ГБ: запас ~10 ГБ

💡 Длиннее контекст = больше VRAM. При OOM уменьшайте -c или используйте --fit on. Поддержка NVIDIA / AMD.

13. Методы развертывания

Ollama

cat > Modelfile << 'EOF'
FROM ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf
PARAMETER temperature 0.6
PARAMETER top_p 0.95
PARAMETER top_k 20
PARAMETER num_ctx 131072
PARAMETER num_gpu 99
EOF

ollama create moziAI-35B -f Modelfile
ollama run moziAI-35B

LM Studio / Jan

Найдите moziAI в LM Studio / Jan и скачайте версию Q4_K_M (LM Studio по умолчанию читает корневые модели; для старых версий используйте «Добавить по URL»).

💡 Поддержка mmproj и chat_template в Ollama ограничена — предпочтите llama.cpp.

14. Бенчмарки

MoziAI-35B-V3.8 доработана/дистиллирована на основе deepreinforce-ai/Ornith-1.5-35B-A3B. Данные из измерений V3.7 (V3.8 = та же база и система обучения):

Benchmark	moziAI-35B-V3.8 (эта модель)	Ornith-1.0-35B-A3B	Qwen3.6-35B-A3B	Gemma-4-31B	Muse-Glimmer-30B	Qwen3.5-397B
Программирование
Terminal-Bench 2.1 (Terminus-2)	67,8	64,2	52,5	42,1	51,7	53,5
Terminal-Bench 2.1 (Claude Code)	68,5	62,8	49,2	-	-	48,6
SWE-bench Verified	79	75,6	73,4	52	76	76,4
SWE-bench Pro	59,6	50,4	49,5	35,7	51,2	51,6
SWE-bench Multilingual	71,4	69,3	67,2	51,7	-	69,3
DeepSWE	22	0	0	-	-	1
Frontier-Bench v0.1	5,1	1,4	1,4	-	-	1,4
NL2Repo	46,2	34,6	29,4	15,5	-	36,8
SWE Atlas - QnA	39,8	37,1	15,5	-	-	20,4
Рассуждения
HLE (no tools)	25,6	20,8	21,4	19,5	22	28,7
HLE (with tools)	33,4	30,1	28,9	26,5	-	48,3
GPQA Diamond	89,2	86,2	86	84,3	83,5	88,4
Агентность
MCP-Atlas	70,2	64,4	62,8	55	75,5	72,3
Toolathlon-Verified	48,7	42,4	41,7	40,8	-	38,3
WideSearch	67,8	63,4	60,1	54,2	-	74
BrowseComp	67,6	63,5	62	-	-	78,6
ClawEval	72,5	69,8	68,7	48,5	-	70,7

В финансовом секторе (отчетность, квант, риск, агентные инструменты) заметно лучше универсальных моделей. Данные Gemma-4 / Qwen3.6 — официальные результаты.

15. Оптимизация Uncensored

Эта модель наследует Uncensored от Ornith-1.5-35B-A3B:

Преимущество	Описание
Без ограничений	Не отказывает ни в какой теме, включая чувствительные
Свободный вывод	Не ограничен политиками безопасности
Полная информация	Без фильтрации, идеально для исследований
Локальная приватность	Данные полностью приватны

Примечание: локальная модель — вывод контролируется пользователем; модель не несет ответственности за модерацию.

16. Лицензия

Пользовательская ограничительная лицензия:

✅ Разрешено — бесплатное коммерческое использование, копирование, распространение
❌ Запрещено — вторичная разработка, перепродажа, сублицензирование
📋 Требуется — сохранять копирайт, источник: moziAI-35B

Модель предоставляется «как есть», без гарантий. Вывод не является инвестиционной рекомендацией.

17. Контакты

HuggingFace: @chenyumo · GitHub: @chenyumo166
Weibo: @rimochen · E-mail: 263515@qq.com