--- title: Xunzi-Qwen3-8B-base canonical_url: "https://www.modelscope.cn/models/XunziALLM/Xunzi-Qwen3-8B-base" md_url: "https://www.modelscope.cn/models/XunziALLM/Xunzi-Qwen3-8B-base.md" repository: XunziALLM/Xunzi-Qwen3-8B-base last_updated: 2026-01-21 pipeline_tag: fill-mask tasks: - fill-mask parameters: 8.2B tensor_type: - BF16 library_name: - safetensors downloads: 122 stars: 1 --- # Xunzi-Qwen3-8B-base > Xunzi-Qwen3-8B-base - XunziALLM 在 ModelScope 开源的模型。近日，面向古籍智能处理的荀子大模型正式通过国家生成式人工智能服务备案，并免费向公众提供对话服务界面(https://xunziallm.njau.edu.cn/)，欢迎古籍从业人员和广大古籍爱好者使用！ - **Repository**: XunziALLM/Xunzi-Qwen3-8B-base - **Tasks**: fill-mask - **Parameters**: 8.2B - **Downloads**: 122 - **Stars**: 1 - **Last updated**: 2026-01-21 Source: https://www.modelscope.cn/models/XunziALLM/Xunzi-Qwen3-8B-base --- # 荀子古籍大语言模型服务正式上线 近日，面向古籍智能处理的荀子大模型正式通过国家生成式人工智能服务备案，并免费向公众提供对话服务界面([https://xunziallm.njau.edu.cn/](https://xunziallm.njau.edu.cn/))，欢迎古籍从业人员和广大古籍爱好者使用！ ## 一、关于荀子系列模型 荀子古籍大语言模型由南京农业大学王东波教授团队主导研发，是江苏省首个以高校为主体完成国家生成式人工智能服务备案的大语言模型。该模型依托南京农业大学的高性能算力基础设施支持，结合课题组在古籍数字化领域十余年的数据积累，实现了古籍传承与人工智能技术的深度融合。这一成果不仅彰显了高校在科研创新中的主体地位，也为江苏省大模型产业注入了学术化、专业化的新动能。 作为古籍智能处理领域的开创性成果，"荀子"是国内首个专注于古籍活化利用的垂直大语言模型。其核心功能涵盖古籍智能标引、信息抽取、诗歌生成、高质量翻译、词法分析、自动标点等场景。例如，模型可自动识别《史记》中的人物关系并生成知识图谱，或对未句读的文言文进行精准断句和翻译，极大提升了古籍在广大群众中的推广传播效率。此外，该模型的开源性、公益性特点，使其成为古籍活化的标杆工具，为古籍数字化研究提供了更加坚实的基础。 在全国范围内，荀子古籍大语言模型是第二个以高校为主体成功备案的大语言模型。研发团队依托国家社科基金重大项目，构建了覆盖《四库全书》等传世古籍的40亿字混合语料库，并通过创新的"古籍-现代汉语混合训练"技术，突破了通用大模型在古文理解与生成中的瓶颈。这一成就不仅填补了古籍领域大模型的空白，更标志着高校在人工智能技术攻关中的关键作用，为后续产学研合作提供了示范。 本站上线的对话模型是预览版的荀子2.0对话模型，由Qwen3模型基于长思维链古籍推理任务和通用古籍处理任务训练而来，同时支持深度思考和非思考模式，满足用户不同的古籍文献处理需求。用户在登录界面完成注册后即可使用荀子古籍大语言模型对话服务。 ![荀子模型界面1](images/intro1.png) ![荀子模型界面2](images/intro2.png) ## 二、核心能力 我们的微调数据集集成了文本翻译、文本标点、古籍文本补全、古代常识问答、信息抽取等近20项常见的古籍处理任务和通用对话任务，每项任务的触发指令都与模型在训练阶段所使用的指令一致。用户可采用下表的指令触发模型处理特定任务的功能。(建议在非思考模式下使用获得格式标准的输出，表中标红文本代表可修改的变量) | 任务类型 | 任务简介 | |---------|---------| | 实体识别 | 抽取古籍中特定实体 | | 关系抽取 | 由限定关系schema抽取关系三元组 | | 事件抽取 | 以json格式抽取事件 | | 古现翻译 | 实现古文到现代汉语的转换 | | 现古翻译 | 实现现代汉语到古文的转换 | | 诗歌生成 | 自动生成诗歌 | | 古籍摘要 | 精炼和总结古代典籍文本 | | 词性标注 | 直接完成对古籍文本的自动分词和词性标注 | | 分词 | 只完成对古籍文本的分词 | | 自动标点 | 为古文添加标点符号 | | 文本分类 | 用四部分类法为古籍原文分类 | | 文本补全 | 使用模型直接猜出文本中被遮蔽的内容 | | 诗歌主题生成 | 分析诗歌所描写的主题内容 | | 文本匹配 | 分析两段文本是否含义相似 | | 传统文化问答 | 直接回答与文化相关的事实性问题 | 本模型可通过在提示词中添加`/think`和`/no_think`标签实现思考模式的切换（与Qwen3系列模型思考设计相同），当启动深度思考模式时，模型还能像Deepseek R1、Qwen Plus等推理模型一样完成更加多样性的、复杂的推理任务，欢迎用户自行探索模型的处理功能。 ![思考模式示例1](images/function1.png) ![思考模式示例2](images/function2.png) ![思考模式示例3](images/function3.png) ## 三、开源模型矩阵 | 模型名称 | 模型类型 | 兼容模型 | 下载链接 | |---------|---------|---------|---------| | Xunzi-Qwen2-7B | 基座模型 | Qwen2-7B | [ModelScope](https://www.modelscope.cn/models/Xunzillm4cc/Xunzi-Qwen2-7B) | | Xunzi-Qwen1.5-7B_chat | 对话模型(推荐) | Qwen1.5-7B_chat | [ModelScope](https://www.modelscope.cn/models/Xunzillm4cc/Xunzi-Qwen1.5-7B_chat) | | Xunzi-Qwen1.5-14B | 基座模型 | Qwen1.5-14B | [ModelScope](https://www.modelscope.cn/models/Xunzillm4cc/Xunzi-Qwen1.5-14B) | | Xunzi-GLM-6B | 基座模型 | ChatGLM3-6B | [ModelScope](https://modelscope.cn/models/Xunzillm4cc/Xunzi-GLM) | | Xunzi-Qwen3-8B | 推理模型 | Qwen3-8B | [ModelScope](https://www.modelscope.cn/models/Xunzillm4cc/Xunzi-Qwen3-8B) | | Xunzi-Qwen3-8B-base | 基座模型 | Qwen3-8B | [ModelScope](https://www.modelscope.cn/models/Xunzillm4cc/Xunzi-Qwen3-8B-base) | ## 四、轻松集成与调用 模型的调用方式与阿里云的Qwen3一致，通过标准的 OpenAI 兼容接口，您可以将荀子的强大能力无缝集成到您的应用中。 ## 项目信息 支持更多类型古籍处理任务的荀子模型正在持续开发中，欢迎持续关注本站！ - **项目开源链接**: [https://github.com/Xunzi-LLM-of-Chinese-classics/XunziALLM](https://github.com/Xunzi-LLM-of-Chinese-classics/XunziALLM) - **在线服务**: [https://xunziallm.njau.edu.cn/](https://xunziallm.njau.edu.cn/) 如您有进一步的古籍资源开发需求，欢迎下载模型或与我们联系，您的批评和建议会成为我们不断追求卓越的动力！ ## 声明： 大语言模型庞大的参数量也带来了更多的随机性，虽然我们在训练数据选取时已经尽可能保证了数据的合规性，但由于数据和模型的复杂性，仍有可能存在一些无法避免的问题。因此，如果由于使用本开源模型而导致的各种问题，包括但不限于数据安全问题、公共舆论风险，或模型被误导、滥用、传播或不当利用所带来的任何风险和问题，我们将不承担任何责任。 此外，根据国家网信办等七部门联合发布的[《生成式人工智能服务管理暂行办法》](http://www.cac.gov.cn/2023-07/13/c_1690898327029107.htm)，在训练、使用本模型以及其他生成式模型，请依据相关法律法规，为构建和谐、健康、可持续的生成式人工智能社区共同努力。 因此，如果由于使用本开源模型而导致的任何问题，包括但不限于数据安全问题、公共舆论风险，或模型被误导、滥用、传播或不当利用所带来的任何风险和问题，我们将不承担任何责任。 如果您在使用模型时遇到了任何问题，欢迎联系我们(letz999@163.com)