---

license: apache-2.0

base_model: Qwen/Qwen3-30B-A3B-Thinking-2507

tags:

- gguf

- llama.cpp

- lm-studio

- reasoning

- agent

- moe

language:

- it

- en

- multilingual

pipeline_tag: text-generation

---

Sinythos 5.5

Un solo file, pronto all'uso. Scarica Sinythos-5.5-Integrity.gguf (17,7 GB)

e trascinalo in LM Studio, o puntaci llama.cpp. Niente shard da ricomporre.

MoE: 30B totali, 3,3B attivi per token — gira su CPU a velocità utilizzabile,

purché il file stia in RAM.

Cosa è, esattamente

Non è un modello addestrato da zero. I 579 tensori sono copiati byte per byte

dalla quantizzazione UD-Q4_K_XL di Qwen3-30B-A3B-Thinking-2507 e verificati uno

per uno con SHA-256. Quello che cambia è il blocco di metadati in testa al file:

| Componente | Modificato |

|---|---|

| Pesi (579 tensori) | No — identici, verificati |

| tokenizer.chat_template | Sì — nuovo |

| Direttiva di sistema (sei leggi) | Sì — incisa nel file |

| Metadati sinythos.* | Sì — nuovi |

Il comportamento di un modello è pesi + template + direttiva + loop agentico.

La provenienza è scritta dentro general.description del GGUF stesso.

Le sei leggi

Sono nel chat template, quindi valgono anche senza system prompt:

1. Ragiona, poi rispondi — ogni turno apre <think>; risponde nella lingua dell'utente
2. Se non sai, vai a scoprirlo — ricerca e scraping invece di congetture
3. I giochi hanno geometria vera — mesh reale, PBR, ombre, HDR, 60 fps
4. Il software si consegna animato e con i suoi asset
5. Verifica prima di affermare — il codice si esegue, i fatti si citano
6. Seconda passata, avversariale — rompi il tuo lavoro, poi correggi

Che funzionino non è teoria. Chiesto «Come ti chiami e quali regole segui?» senza

alcun system prompt, il modello apre da solo il blocco di ragionamento e scrive:

> *My name is Sinythos 5.5, and I operate under six laws. The user's question is

> in Italian, so I should respond in Italian.*

Uso

LM Studio / Jan / Atomic Chat — scarica il file e caricalo. È tutto qui.

llama.cpp:

llama-server -m Sinythos-5.5-Integrity.gguf -c 16384 --jinja --port 8080

Oppure senza scaricare nulla a mano:

llama-server -hf HTPQoo/Sinythos-5.5-GGUF --jinja -c 16384

⚠️ --jinja non è opzionale. Senza, llama.cpp ignora il chat template

incorporato e le sei leggi non arrivano mai al modello. È l'errore più facile da

fare, e il sintomo è «sembra un Qwen normale». In LM Studio il template viene

letto dal file automaticamente, quindi lì non devi fare nulla.

Runtime agentico

Il modello dà il meglio con il suo runtime — tool reali, esecuzione del codice,

seconda revisione avversariale:

<https://github.com/baccarossa2-ai/BaccaMalware>

node bin/sinythos.js ask "Fai un gioco 3D in three.js con PBR, ombre e bloom"

Requisiti

| RAM | Velocità |

|---|---|

| 24 GB+ | 8-15 token/s su CPU desktop |

| 16 GB | ~0,5 token/s (misurato) — il file non ci sta, pagina dal disco |

| GPU 24 GB | 40+ token/s |

Verifica

sha256  509932773e2101ea21a03feddafa6a15085583eb2d0b304025fab7f935bf7009
bytes   17715674816

sha256sum Sinythos-5.5-Integrity.gguf

Sinythos-5.5-Integrity.manifest.json contiene gli stessi dati in forma

leggibile. Il repository su GitHub ha anche gli SHA-256 di tutti i 579 tensori,

per una verifica a grana fine.

Licenza

Codice del runtime: MIT. I pesi restano Apache 2.0 di Qwen, e quella licenza

segue il file.