---
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/BG71IO9zlNcw4eTRYKZzO.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 Strata S2 apresenta desempenho sólido em benchmarks de conhecimento, raciocínio e tarefas gerais:

| Categoria | Benchmark | Neve Strata S2 | 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](https://github.com/Etamus/NeveAI)

## Licença

Este repositório e os pesos do modelo estão licenciados sob a [Licença Apache 2.0](LICENSE).

## Contato

Se tiver qualquer dúvida, por favor, levante um issue ou entre em contato conosco em [NeveIA](https://github.com/NeveIA).