NeveAI/Neve-Prism-X2-9B-GGUF overview

---

library_name: transformers

license: apache-2.0

license_link: https://huggingface.co/Qwen/Qwen3.5-9B/blob/main/LICENSE

pipeline_tag: image-text-to-text

base_model:

• Qwen/Qwen3.5-9B

tags:

- NeveAI

- Neve

- PrismX

---

<div align="center">

<img src="https://cdn-uploads.huggingface.co/production/uploads/68a3ba234a7dfca33d72eee2/uEgq1cKh6eWYsyWKbcqch.png" width="50%">

</div>

<h1 align="center">Neve-Prism-X2-9B-GGUF</h1>

<div align="center">

<a href="https://github.com/NeveIA">

<img src="https://cdn-uploads.huggingface.co/production/uploads/68a3ba234a7dfca33d72eee2/KQa7-ajynUAhTS-kxNtYT.png" width="20%" alt="NeveAI GitHub">

</a>

</div>

Introdução

O Neve Prism X2 é um modelo de linguagem de última geração focado em visão e raciocínio para cenários visuais complexos. Esta versão em formato GGUF foi otimizada pela NeveAI para oferecer o equilíbrio ideal entre precisão lógica e eficiência computacional.

---

Destaques do Modelo

Este modelo foi desenvolvido para uso geral e execução de tarefas diversas, focando em:

• Unified Multimodal Understanding: Treinamento com fusão antecipada de tokens multimodais, garantindo forte desempenho em tarefas de texto e compreensão visual.
• Arquitetura Híbrida Eficiente: Combinação de Gated Delta Networks com Mixture-of-Experts, proporcionando alta performance com baixa latência.
• Raciocínio e Generalização: Otimizado com técnicas avançadas de reinforcement learning para lidar com tarefas complexas e cenários do mundo real.
• Cobertura Multilíngue Global: Suporte expandido para múltiplos idiomas, garantindo aplicação ampla em diferentes contextos culturais e linguísticos.

Benchmark de Performance

O Neve Prism X2 apresenta desempenho sólido em benchmarks de conhecimento, raciocínio e tarefas gerais:

| Categoria | Benchmark | Neve Prism X2 | Qwen3.5-4B |

| :--- | :--- | :---: | :---: |

| Knowledge | MMLU-Pro | 82.5 | 79.1 |

| Knowledge | MMLU-Redux | 91.1 | 88.8 |

| Reasoning | GPQA Diamond | 81.7 | 76.2 |

| Instruction | IFEval | 91.5 | 89.8 |

| Long Context | LongBench v2 | 55.2 | 50.0 |

| Agent / Tool Use | TAU2-Bench | 79.9 | 79.1 |

---

Detalhes da Arquitetura

• Arquitetura: Gated DeltaNet + Mixture of Experts (MoE).
• Parâmetros: ~9B parâmetros.
• Janela de Contexto: 262.144 tokens nativos (extensível até ~1M).
• Camadas: 32 camadas com estrutura híbrida intercalando DeltaNet e Attention.
• Multimodalidade: Suporte a texto e visão com encoder integrado.

Como utilizar (GGUF)

Este modelo é compatível com llama.cpp, Ollama, LM Studio e outras ferramentas que suportam o formato GGUF.

Foco direcionado ao uso do modelo na plataforma autoral da organização NeveAI

Licença

Este repositório e os pesos do modelo estão licenciados sob a Licença Apache 2.0.

Contato

Se tiver qualquer dúvida, por favor, levante um issue ou entre em contato conosco em NeveIA.