‏Qwen3.5-4B-GLB-3D-Coder: مدل محلی ۴ میلیاردی که برای Godot آبجکت سه‌بعدی می‌سازه

Qwen3.5-4B-GLB-3D-Coder یه فاین‌تیون ۴ میلیارد پارامتری از Qwen3.5-4B هست که یه توسعه‌دهنده‌ی مستقل با اسم ccore منتشرش کرده، نه خود تیم Qwen. کارش اینه که از یه درخواست کوتاه انگلیسی مثل «یه گابلین پیشاهنگ مردابی با سپر چوبی بساز»، یه آبجکت سه‌بعدی low-poly برای بازی دربیاره. این مقاله بیشتر روی اینکه چطور می‌شه محلی اجراش کرد تمرکز داره.

مدل مستقیم فایل سه‌بعدی تحویل نمی‌ده. یه فایل HTML کامل می‌نویسه که توش یه صحنه‌ی Three.js هست (یعنی کتابخونه‌ی جاوااسکریپتی برای رندر سه‌بعدی توی مرورگر) با هندسه، متریال و اگه بخوای انیمیشن. فایل رو توی مرورگر باز می‌کنی و با دکمه‌ی Export GLB، فایل GLB (فرمت استاندارد مدل سه‌بعدی که Godot و بیشتر انجین‌ها می‌خونن) می‌گیری. این‌طوری مدل فقط باید کد معتبر Three.js بنویسه و تو هم قبل از خروجی گرفتن، پیش‌نمایش رو می‌بینی.

مدل به شکل GGUF پخش شده، یعنی فرمت فشرده‌شده برای اجرای محلی با ابزارهایی مثل LM Studio یا llama.cpp. دو نسخه داره: Q4_K_M که حافظه‌ی کمتری می‌خواد و حتی روی CPU هم احتمالاً جواب می‌ده، و Q8_0 که دقیق‌تره ولی VRAM بیشتری لازم داره. یه vision projector اختیاری BF16 هم هست (۶۴۴ مگابایت) که اجازه می‌ده به‌جای متن، عکس مرجع بدی. این همون انکودر تصویر اصلی Qwen3.5-4B با لایسنس Apache 2.0 هست.

برای راه‌اندازی دو تا چیز مهمه: system prompt ثابتی که توی model card اومده و بهتره عیناً کپیش کنی، و تنظیمات نمونه‌برداری. سازنده temperature رو 0.8، top K رو 40، top P رو 0.95 و min P رو 0.0 پیشنهاد می‌ده، ولی می‌گه این‌ها نقطه‌ی شروعن و می‌شه باهاشون بازی کرد. آپدیت ۲ نوامبر ۲۰۲۶ هم هر دو فایل GGUF رو با نسخه‌ای عوض کرده که کیفیت تصویری‌ش به‌طور محسوسی بهتره.

مدل روی ۲۵ دسته آبجکت بازی آموزش دیده: از کاراکتر و باس و سلاح تا وسیله‌ی نقلیه‌ی آبی، تله و تزئینات جشنواره. طبق model card بیشتر خروجی‌ها بار اول درست درمیان، ولی بعضی‌ها نیاز به تلاش دوباره یا یه اصلاح کوچیک توی کد دارن. Naoki Kishida از اعضای جامعه هم با همین آبجکت‌ها یه دموی بازی RPG سه‌بعدی قابل بازی ساخته.

به گفته‌ی نویسنده، برای نمونه‌سازی و آبجکت موقت ارزش امتحان کردن داره: رایگانه، محلیه و سریع. ولی هنوز پیش‌نمایشه و داده‌ی آموزشی‌ش روی پرامپت‌های ساده بوده، پس با درخواست‌های خیلی جزئی خوب کنار نمیاد. سازنده یه دیتاست ۱۰۰ هزار نمونه‌ای با context بین 8K تا 128K توکن رو برای نسخه‌ی بعدی برنامه‌ریزی کرده که هدفش ساخت درست از بار اول و استفاده توی یه agent harness هست.

نکات کلیدی:

• مدل پایه Qwen3.5-4B هست و انتشار رسمی تیم Qwen نیست، کار توسعه‌دهنده‌ای به اسم ccore هست.
• خروجی یه فایل HTML با Three.js و دکمه‌ی Export GLB هست، نه خود فایل GLB.
• دو کوانتیزیشن Q4_K_M و Q8_0 داره و روی سخت‌افزار خونگی اجرا می‌شه.
• تنظیمات پیشنهادی: temperature 0.8، top K 40، top P 0.95، min P 0.0.
• vision projector اختیاری ۶۴۴ مگابایتی ورودی تصویر رو اضافه می‌کنه.
• نسخه‌ی بعدی با دیتاست ۱۰۰ هزار نمونه‌ای و context تا 128K توکن در راهه.