近30天源站下载量
4.6万
参数
4.5B
上下文
未说明
架构 / 任务
qwen3_5
许可证
apache-2.0
MODEL POSITIONING
这个模型解决什么问题？
模型能力方面，它是基于 Qwen/Qwen3.5-4B 的独立微调模型，面向低多边形游戏资产和程序化场景，核心输出是完整 Three.js HTML/JavaScript 页面，而不是直接提供已建好的网格文件。量化仓库提供 Q4_K_M、Q8_0 GGUF，另有原始 Safetensors；运行工具可用 llama.cpp、Ollama 或 LM Studio。模型卡未说明通用编程能力、上下文长度及与 DeepSeek 的可复现质量对比。
更适合谁
- 需要用文字快速制作低多边形游戏资产的开发者
- 使用 Godot 或其他支持 GLB 的编辑器导入素材的用户
- 需要生成 Three.js 页面并通过浏览器预览、检查场景的原型团队
典型使用场景
- 生成角色、NPC、敌人和伙伴等低多边形模型
- 制作武器、道具、家具、机器和建筑模块
- 创建森林、营地、战场、地下城等程序化环境
- 制作带明确运动要求的门、机关等可交互资产
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
Three.js 页面生成
根据英文资产描述生成完整 HTML/JavaScript 页面，包含场景预览与导出入口
可编辑 GLB 产出
生成页面可导出 GLB，供 Godot 或其他支持 GLB 的编辑器继续编辑
游戏资产方向明确
覆盖角色、敌人、武器、建筑、载具、环境及交互物件等类型
面向长代码输出
训练示例最长涉及 72K tokens，适合需要完整生成较长页面代码的任务
按当前权重估算的硬件准备
- 现有 GGUF 文件中，最低显存估算约 3 GB
- 为上下文缓存、系统进程和并发请求预留额外内存，不要只按模型文件大小配置设备。
量化版本怎么选
- 资源紧张时优先考虑 Q4_K_M，体积更小，提供的最低资源要求也更低
- 需要采用模型卡评测所用量化时选择 Q8_0；对应文件约 4.48GB，建议准备 8GB 内存和 6GB 显存
GGUF VARIANTS
量化版本与硬件要求
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 3GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 4GB。
阅读 4GB 显存选型指南 →可以怎样运行
- 使用 llama.cpp、Ollama 或 LM Studio 加载支持 Qwen3.5 的 GGUF 文件
- 可加载原始 Safetensors，但需同时配置对应配置、tokenizer 和 chat template
- 生成后保存完整 HTML，在浏览器打开并检查场景，再导出 GLB
- 图像输入仅在兼容的多模态 GGUF 运行时中配合可选视觉投影器使用
采用前要知道的限制
- 部分请求需要重试或小幅修正代码，不能保证一次生成即可使用
- 浏览器预览与编辑器中的材质、光照和动画可能存在差异，导出后仍需检查
- 响应平均约 20K tokens，8K 输出上限可能截断思考或页面代码，建议在支持时使用无限输出
- 模型卡标注语言为英语，英文提示更符合其设定；模型卡未说明中文提示质量