独立作者 CCORE 基于 Qwen3.5-4B 微调的预览版编程模型，按文字描述写出一个自包含 HTML 文件的 Three.js 交互 3D 场景，10 月 29 日已经收录。这次重新收录，是因为 10 月 30 日起 GGUF 版能接参考图：给它一张图，它照着写出 3D 场景。
上升分 348 · 点赞 394 · 下载量 29615
理由
- 新内容一：作者 10 月 30 日上传了一个约 644 MiB 的视觉投影文件。它就是原版 Qwen3.5-4B 的 BF16 mmproj，没做改动，取自 lmstudio-community。Q4_K_M 和 Q8_0 两个量化版加载它之后就能看图。卡里的示例是给一张体素树岛参考图，提示“create this scene using voxels 3d”，模型写出了对应的 Three.js 场景。
- 新内容二：10 月 29 日，也就是上次收录之后，作者公开了训练技术报告 PDF。FP16 safetensors 权重和 4,146 个场景的训练数据集（MIT 许可）现在也都公开了。
- 4B 体量，用 GGUF 能在本地跑，Apache-2.0。
用法
- llama.cpp：运行 llama-server -m Qwen3.5-4B-3D-Coder-Q4_K_M.gguf --mmproj mmproj-Qwen3.5-4B-BF16.gguf --n-gpu-layers all --flash-attn on --ctx-size 65536，在自带的 WebUI 里附图发提示。作者用 llama.cpp b11889 测过；Q8_0 可以加 --cache-type-k q8_0 --cache-type-v q8_0 省 KV 缓存。
- 系统提示词照卡里写：只用 cdnjs 上 three.js 0.160.0 的 three.module.min.js，不导入 addons，相机控制直接写在 HTML 里。采样用 temperature 0.6–0.8、top_p 0.90–0.95、top_k 20–40。
- 在 LM Studio 里要关掉默认开启的多 token 预测（MTP）。
风险
- 看图能力来自原版 Qwen3.5-4B 的投影器，没有专门针对 3D 场景做视觉训练。作者说输出是对参考图的理解，不会逐处还原；示例只有一个，而且只做了短测，没有满上下文压力测试。
- 仍是早期预览，没有任何基准分数。图片 token 和生成的代码共用上下文，投影器还要额外占内存；其他前端能不能看图，取决于它们各自的多模态实现。
- 个人微调，不是 Qwen 官方版本。