---
title: lingjingtax
canonical_url: "https://www.modelscope.cn/models/supercpa/lingjingtax"
md_url: "https://www.modelscope.cn/models/supercpa/lingjingtax.md"
repository: supercpa/lingjingtax
chinese_name: "灵境税务大模型"
last_updated: 2026-10-20
pipeline_tag: text-generation
tasks:
  - text-generation
model_type:
  - qwen3_5_text
architectures:
  - Qwen3_5ForCausalLM
parameters: 3.0B
tensor_type:
  - F16
  - I32
library_name:
  - pytorch
  - transformer
  - safetensors
  - gguf
downloads: 40
stars: 1
---

# lingjingtax

> lingjingtax - supercpa 在 ModelScope 开源的模型。灵境税务大模型是一款面向中国税务场景的 9B 级垂域大模型，由北京灵境技术有限公司为主开发、北京华夏税务师事务所提供专业支持，模型主页为modelscope.cn/models/supercpa/lingjingtax。模型基于 Qwen3.5-9B-Base（8.95B 参数）构建，采用 32 层混合注意力架构（24 层线性注意力 + 8 层全注意力）、4,096 隐藏维度与 248,320 词表，经税务继续预训练（3,248…

- **Repository**: supercpa/lingjingtax
- **Tasks**: text-generation
- **Parameters**: 3.0B
- **Downloads**: 40
- **Stars**: 1
- **Last updated**: 2026-10-20

Source: https://www.modelscope.cn/models/supercpa/lingjingtax

---

# 灵境税务大模型

**税务垂域大模型 · 8.95B 参数 · INT8 / GGUF**

> 主题：**lingjing-tech** ｜ 开源模型、权重公开下载；｜ 主页：<https://www.modelscope.cn/models/supercpa/lingjingtax> ｜ 联系：**supercpa@163.com** ｜ 微信：**13810923199**

灵境税务大模型是面向中国税务场景的 9B 级垂域大模型，由**北京灵境技术有限公司为主开发、北京华夏税务师事务所提供专业支持**，基于 Qwen3.5-9B-Base（8.95B 参数、32 层混合注意力），经税务继续预训练（3,248 步）与指令微调（32,493 步、25.99 万条样本）训练。语料覆盖**国家税务法规 8000 部以上，同时包含会计准则及指南释义、审计准则、会计制度、会计法规、财务法规、评估准则等专业规定**，文件级去重后约 4.6 万篇、1.4 亿字。模型支持带出处的法条问答与时效提示、分步税额计算、案例说理、表单填报和税务复议咨询。

> **免责声明**
> 本模型输出仅供学习、检索与辅助参考，**不构成税务意见、税务筹划建议或法律意见**。正式申报、筹划、争议处理应由具备资质的涉税专业人士或律师复核，并以现行有效的法律法规原文及主管税务机关口径为准。禁止将本模型用于偷逃税、虚开发票、骗取退税等违法用途。

---

## 目录

- [1. 模型简介](#1-模型简介)
- [2. 模型信息](#2-模型信息)
- [3. 仓库文件与下载](#3-仓库文件与下载)
- [4. 使用方式](#4-使用方式)
- [5. 提示词与生成参数](#5-提示词与生成参数)
- [6. 训练详情](#6-训练详情)
- [7. 推理样例](#7-推理样例)
- [8. 评测说明](#8-评测说明)
- [9. 量化版本与部署](#9-量化版本与部署)
- [10. 已知限制与风险](#10-已知限制与风险)
- [11. 使用许可](#11-使用许可)
- [12. 引用](#12-引用)
- [13. 致谢](#13-致谢)
- [附录 A：文件完整性校验](#附录-a文件完整性校验)
- [附录 B：版本历史](#附录-b版本历史)
- [附录 C：联系方式](#附录-c联系方式)
- [附录 D：常见问题](#附录-d常见问题)

---

## 1. 模型简介

税务是一个**高事实密度、强时效、强计算、强引用**的领域。通用大模型在税务场景中常见的失败不是"不会说"，而是：

- **时效失效**：引用已废止或已被修订的法规；
- **颗粒度不足**：混淆一般计税/简易计税、限额扣除/据实扣除、四级超率累进/清算等规则；
- **不可验证**：法条、文号、案号、金额无法回溯到原文。

灵境税务大模型的构建思路是"先建可验证的语料底座，再做垂域训练"：

- 以 **11 个专业语料文件、48,867 篇原始文档、1.526 亿字**为原料；
- 经文件级去重后得到 **45,868 篇、1.4288 亿字**（另一口径：若再做跨库同名标题去重，约 43,413 篇、1.3724 亿字）；
- 在 Qwen3.5-9B-Base 上完成 **税务继续预训练（CPT）3,248 步** 与 **指令微调（SFT）32,493 步**；
- 提供 **INT8 与 GGUF（Q3_K_M–Q8_0、F16）** 部署形态，覆盖 GPU 服务器到本地/边缘部署（公开下载）。

**适用场景**：税务知识问答、法条检索与时效核对、税额计算演示、涉税案例检索与说理、申报表填报说明、稽查/复议程序咨询、税务培训与知识普及。

**不适用场景**：代替涉税专业人士出具意见、直接用于纳税申报/筹划决策、处理非中国大陆税制问题、生成规避税负的方案。

---

## 2. 模型信息

| 项目 | 值 |
|---|---|
| 主题 | lingjing-tech |
| 模型名称 | 灵境税务大模型 |
| 基座模型 | Qwen3.5-9B-Base（`Qwen3_5ForCausalLM`） |
| 参数规模 | 8.95B（427 个张量） |
| 架构 | Qwen3.5 混合注意力：32 层（24 层线性注意力 + 8 层全注意力，每 4 层 1 层 full attention） |
| 隐藏维度 | 4,096 |
| 前馈网络 | 12,288（SwiGLU） |
| 注意力 | 16 个查询头 / 4 个 KV 头（GQA），head_dim 256 |
| 线性注意力 | 16 个 key 头 / 32 个 value 头，key/value 维度 128，卷积核 4，SSM 状态 float32 |
| 词表 | 248,320（Qwen2Tokenizer） |
| 位置编码 | RoPE θ=1e7，partial rotary 0.25，mRoPE [11,11,10] |
| 上下文长度 | 架构上限 262,144；训练长度 CPT 4,096 / SFT 8,192（建议推理 ≤8K，长上下文未系统评测） |
| 其他结构 | 注意力输出门（swish）、MTP 1 层、RMSNorm ε=1e-6、无 attention bias、词嵌入不共享 |
| 推理形态 | INT8（bitsandbytes）/ GGUF（Q3_K_M–Q8_0、F16） |
| 语言 | 中文（简体） |
| 领域 | 中国税务 / 财税 / 涉税法律 |
| 训练框架 | ms-swift + transformers 5.16.1 |
| 许可 | 权重开源（个人/研究免费，商用需授权，详见第 11 节） |
| 版本 | v1.0.0（2026-10） |

**架构说明**：32 层中每 4 层插入 1 层全注意力，其余为线性注意力，用于在长文本下降低 KV Cache 开销；`mtp_num_hidden_layers=1` 为多 token 预测头。需要说明的是：**架构上限是 262,144，但训练长度只有 8,192**，长上下文能力未做专项训练与评测，不建议直接把 256K 当作可用上下文。

---

## 3. 仓库文件与下载

本模型为**权重开源模型**，提供公开下载。以下为仓库文件的组织方式与体积参考。

| 文件 / 目录 | 说明 | 大小 |
|---|---|---|
| `config.json` | 模型结构配置 | 2 KB |
| `generation_config.json` | 生成配置（eos 等） | 164 B |
| `tokenizer.json` | 分词器 | 20 MB |
| `tokenizer_config.json` | 分词器配置 | 1.1 KB |
| `chat_template.jinja` | 对话模板 | 7.8 KB |
| `int8/` | INT8 权重（3 分片） | 10.99 GB |
| `gguf/qwen3.5-9b-tax-sft-q3_k_m.gguf` | GGUF Q3_K_M | 4.62 GB |
| `gguf/qwen3.5-9b-tax-sft-q4_k_m.gguf` | GGUF Q4_K_M | 5.63 GB |
| `gguf/qwen3.5-9b-tax-sft-q5_k_m.gguf` | GGUF Q5_K_M | 6.47 GB |
| `gguf/qwen3.5-9b-tax-sft-q6_k.gguf` | GGUF Q6_K | 7.36 GB |
| `gguf/qwen3.5-9b-tax-sft-q8_0.gguf` | GGUF Q8_0 | 9.53 GB |
| `gguf/qwen3.5-9b-tax-sft-f16.gguf` | GGUF F16（fp16 全精度） | 17.9 GB |

> 目录名 `gguf/`、`int8/` 为建议组织方式，实际以仓库为准。全精度训练权重、训练代码与训练语料不在公开范围内。

---

## 4. 使用方式

> 本模型权重公开下载；以下示例可直接使用。训练代码与训练语料均不公开。

### 4.1 下载权重

本模型权重已在本仓库公开，可直接下载；训练代码与训练语料不包含在仓库中。

```python
from modelscope import snapshot_download

repo_dir = snapshot_download("supercpa/lingjingtax")  # 仓库 ID（ModelScope）
print(repo_dir)
```

> 商用授权请联系 **supercpa@163.com**（微信：**13810923199**）。

### 4.2 Transformers（INT8）

```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

model_id = "supercpa/lingjingtax"  # 仓库 ID（ModelScope）

tokenizer = AutoTokenizer.from_pretrained(model_id, subfolder="int8", trust_remote_code=True)
bnb = BitsAndBytesConfig(load_in_8bit=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    subfolder="int8",
    quantization_config=bnb,
    device_map="auto",
    trust_remote_code=True,
)
model.eval()

SYSTEM = (
    "你是中国税务领域的专业助手，精通现行税收法律法规与征管实务。"
    "回答涉税问题时：先给明确结论，再引用具体法规依据（法规全称+文号+条款），"
    "说明适用条件与常见误区；涉及地区差异时说明各地口径可能不同；"
    "无法确定时明确说明需以主管税务机关口径为准；"
    "不得提供任何规避税负的违法方案。"
    "本知识库来源于税务机关公开发布的纳税咨询答复与政策文件，具时效性，"
    "请以最新法律法规为准。"
)

messages = [
    {"role": "system", "content": SYSTEM},
    {"role": "user", "content": "增值税一般纳税人销售货物适用的基本税率是多少？"},
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False,  # 如模板不支持该参数，可删除
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

with torch.no_grad():
    out = model.generate(
        **inputs,
        max_new_tokens=512,
        do_sample=True,
        temperature=0.2,
        top_p=0.8,
        repetition_penalty=1.05,
    )

print(tokenizer.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
```

> 若 `apply_chat_template` 不接受 `enable_thinking`，删除该参数，并在系统提示中加一句"直接给出结论与依据，不要输出思考过程"。

### 4.3 Ollama（GGUF）

```bash
# 1) 准备 Modelfile
cat > Modelfile <<'MODEL'
FROM ./gguf/qwen3.5-9b-tax-sft-q4_k_m.gguf

PARAMETER num_ctx 8192
PARAMETER temperature 0.2
PARAMETER top_p 0.8
PARAMETER top_k 20
PARAMETER repeat_penalty 1.05

SYSTEM """你是中国税务领域的专业助手，精通现行税收法律法规与征管实务。回答涉税问题时：先给明确结论，再引用具体法规依据（法规全称+文号+条款），说明适用条件与常见误区；涉及地区差异时说明各地口径可能不同；无法确定时明确说明需以主管税务机关口径为准；不得提供任何规避税负的违法方案。"""
MODEL

# 2) 导入并运行
ollama create taxlingjing -f Modelfile
ollama run taxlingjing
```

建议从 `num_ctx=8192` 起步，确认质量与显存后再放大。

### 4.4 llama.cpp

```bash
# 启动 OpenAI 兼容服务（--jinja 使用模型内置 chat template）
llama-server \
  -m gguf/qwen3.5-9b-tax-sft-q4_k_m.gguf \
  --jinja -c 8192 --port 8080 -ngl 99

# 调用
curl http://127.0.0.1:8080/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "qwen3.5-9b-tax-sft",
    "messages": [
      {"role": "system", "content": "你是中国税务领域的专业助手。"},
      {"role": "user", "content": "企业所得税的法定税率是多少？"}
    ],
    "temperature": 0.2,
    "top_p": 0.8,
    "max_tokens": 512
  }'
```

### 4.5 vLLM（可选，GPU 服务化）

```bash
vllm serve /path/to/int8 \
  --quantization bitsandbytes \
  --max-model-len 8192 \
  --gpu-memory-utilization 0.9
```

---

## 5. 提示词与生成参数

### 5.1 推荐系统提示词

训练时使用的系统提示词如下，建议直接复用：

```text
你是中国税务领域的专业助手，精通现行税收法律法规与征管实务。回答涉税问题时：先给明确结论，再引用具体法规依据（法规全称+文号+条款），说明适用条件与常见误区；涉及地区差异时说明各地口径可能不同；无法确定时明确说明需以主管税务机关口径为准；不得提供任何规避税负的违法方案。本知识库来源于税务机关公开发布的纳税咨询答复与政策文件，具时效性，请以最新法律法规为准。
```

### 5.2 生成参数建议

| 场景 | temperature | top_p | top_k | max_new_tokens |
|---|---:|---:|---:|---:|
| 法条问答 / 税额计算 | 0.1–0.3 | 0.8 | 20–50 | 1,024 |
| 案例说理 / 概念解释 | 0.4–0.6 | 0.9 | 40 | 2,048 |
| 头脑风暴 / 培训素材 | 0.7–0.9 | 0.95 | 60 | 2,048 |

- **默认建议关闭 thinking**：训练模板为 `qwen3_nothinking`；若输出中出现 `<think>...</think>`，部署时应关闭思考模式或在后处理中剥离。
- 税务答案建议低温度、并要求"先结论后依据"，便于人工复核。

---

## 6. 训练详情

### 6.1 训练数据构成

**语料构成（文件级去重后）**

| 语料层 | 文档数 | 字符数 | 主要内容 |
|---|---:|---:|---|
| 法规原文与专业规定 | 37,926 | 1.071 亿 | 国家税务法规 8,000 部以上；会计准则及指南释义、审计准则、会计制度、会计法规、财务法规、评估准则等专业规定（财会税审评估法规库 23,968 + 国家法规/监管处罚/司法解释 13,681 + 审计评估专题法规 277） |
| 12366 专业回复 | 23,000 条 | — | 12366 纳税服务热线专业咨询回复 |
| 判例案例 | 2,999 | 974 万 | 法院税务判决书和国家税务行政执法案例 |
| 培训资料与行业专题 | 4,665 | 2,331 万 | 培训资料、行业专题与实务长文 |
| 申报表单 | 278 | 275 万 | 国家税务部门 12 类表单的表格结构与填表说明 |
| **合计** | **45,868** | **1.4288 亿** | 约 9,043 万 token（chars ÷ 1.58 估算）；另含 12366 专业回复 23,000 条 |

**SFT 数据**

| 来源 | 条数 | 字符数 | 说明 |
|---|---:|---:|---|
| 税务 SFT | 228,463 | 2.3486 亿 | 平均 1,028 字/条，含法规引用与分步作答 |
| 通用 SFT | 31,479 | 5,476 万 | 平均 1,740 字/条，用于保持通用能力 |
| **合计** | **259,942** | **2.8962 亿** | 861,186 条消息，单条最长 8,564 字符 |

### 6.2 数据治理

- **去重**：识别出 2,999 篇文件级重复（判决 2,534 + 稽查 465 均被"合并"文件 100% 包含），以及 2,329 个跨库同名标题（对应国家法规 2,455 篇、563.8 万字符）。前者已从统计口径中扣除；后者作为进一步去重依据，若全部执行则为 43,413 篇 / 1.3724 亿字。
- **时效**：法规库"现行有效"占 94.5%，但有 1,318 篇时效未标注；国家法规仅 31.8% 带时效字段、30.7% 带税种字段。已废止/全文废止/已修改合计 1,600+ 篇，按"现行有效满权重、已修改降权、已废止降权"处理，不做一刀切删除。
- **清洗**：法规清洗去掉 3.96% 字符（6,604 万 → 6,342 万），123 篇缩减超过 30%；278 份表单中 94 篇含 Word 表格控制符 `\u0007`，需做表格结构还原。
- **结构统一**：部分长文语料存在 7 种字段组合，统一 `id/正文/来源/类型/时效/标签/切块归属` 契约；`text`/`content` 只保留一个；判例 664 个"续 n/m"切块保留案件归属。

### 6.3 数据边界

- 训练语料截至 **2026 年 10 月**，之后的新规不在其中。
- 语料以中国大陆税制为主，不覆盖港澳台及其他国家税制。
- 本大模型所采用的法规、判例与准则指南等规定均来自国家政府部门官方网站信息，最大限度降低版权法律风险。
- 训练语料不公开；本页仅提供统计口径与数据描述。
- 训练超参与流程不在公开范围内；因语料不公开，无法完全复现数据侧的训练。

---

## 7. 推理样例

以下为模型输出样例：

**Q：增值税一般纳税人销售货物适用的基本税率是多少？**

> 根据《中华人民共和国增值税法》（2024 年 12 月 25 日第十四届全国人民代表大会常务委员会第十三次会议通过，自 2026 年 1 月 1 日起施行）的规定，增值税一般纳税人销售货物适用的基本税率为 **13%**。具体依据：《增值税法》第十条第（一）项规定，纳税人销售货物、加工修理修配服务、有形动产租赁服务，进口货物，除本条第二项、第四项、第五项规定外，税率为百分之十三。

**Q：个人所得税的综合所得包括哪些项目？**

> 根据《中华人民共和国个人所得税法》（2018 年修正）第二条的规定，综合所得包括：工资、薪金所得；劳务报酬所得；稿酬所得；特许权使用费所得。

> 说明：以上为模型原始输出，未做人工改写；其中的法条、文号、金额仍需回到官方原文核对。部分样例在开启 thinking 时会输出 `<think>` 推理块，部署时建议关闭。

---

## 8. 评测说明

### 8.1 评测集设计

- **文件**：`tax_eval/tax_eval_60.jsonl`（60 题）
- **6 维 × 10 题**：
  1. **税法基础知识**——税率（13%/9%/6%）、小规模 500 万标准、税目、计税依据
  2. **税额计算**——销项-进项、个税、土增税、业务招待费、关税+进口增值税
  3. **优惠政策适用**——小微、高新、加计扣除、专项附加扣除、退役士兵
  4. **实务场景判断**——视同销售、进项转出、纳税义务时点、建筑预缴
  5. **合规与风险**——虚开、偷税、行政复议 60 日、发票丢失、特别纳税调整
  6. **时效性与法规引用**——增值税法 2026、印花税法 2022、契税法 2021、专项附加扣除新标准
- **字段**：`id / dim / q / ref / keys / diff`
- **评分**：参考答案核心关键词覆盖率；覆盖 ≥60% 视为通过（指标偏保守，真实正确率高于表值）

### 8.2 专业评测结果

| 维度 | bf16 | bnb Q8 |
|---|---:|---:|
| 税法基础知识 | 84.2% | 86.7% |
| 税额计算 | 85.0% | 80.0% |
| 优惠政策适用 | 93.2% | 92.5% |
| 实务场景判断 | 86.0% | 83.5% |
| 合规与风险 | 77.7% | 70.2% |
| 时效性与法规引用 | 87.5% | 86.7% |
| **总体** | **85.6%（53/60）** | **83.2%（51/60）** |

**结论**：bf16 整体良好（覆盖 85.6%，通过率 88.3%）；Q8 量化仅损失 2.3 个百分点，性价比高；两版共同弱项为「合规与风险」程序性细节（行政复议期限、发票丢失、特别纳税调整回溯期），其中 Q8 损失最大（-7.5%）。完整报告见 `tax_eval/评测报告_完整.md`。

---

## 9. 量化版本与部署

| 版本 | 体积 | 建议硬件 | 适用场景 |
|---|---:|---|---|
| GGUF F16（fp16 全精度） | 17.9 GB | 32 GB 显存 / 统一内存 | 最高质量本地推理 / 重新量化母版 |
| INT8（bitsandbytes） | 10.99 GB（3 分片） | 24 GB 显存 | 单卡服务、8K 上下文 |
| GGUF Q8_0 | 9.53 GB | 16 GB 显存 / 24 GB 统一内存 | 高质量本地推理 |
| GGUF Q6_K | 7.36 GB | 12–16 GB 显存 / 24 GB 统一内存 | 质量与体积平衡 |
| GGUF Q5_K_M | 6.47 GB | 10–12 GB 显存 | 主流本地部署 |
| GGUF Q4_K_M | 5.63 GB | 8 GB 显存 | 消费级显卡 / 笔记本 |
| GGUF Q3_K_M | 4.62 GB | 6–8 GB 显存 | 低资源、边缘设备 |

**实测参考**：Apple M4 Pro（24 GB 统一内存）运行 Q6_K，生成速度约 30 tokens/s（`num_ctx` 视内存调整）。

**上下文建议**：所有版本建议从 `num_ctx=8192` 起步；虽然架构支持 262,144，但训练长度只有 8,192，长上下文质量未验证。

**精度提示**：Q3/Q4 在长文推理、数字计算与法条编号上更容易出错；税务场景建议至少 Q5_K_M 或 Q6_K，关键任务用 INT8，最高质量可用 F16。重新量化时建议以 F16 为母版。

---

## 10. 已知限制与风险

1. **不构成税务意见**：模型输出不能替代涉税专业人士或律师的复核；正式申报与争议处理必须以官方原文和主管机关口径为准。
2. **可能生成不存在的文号/案号/金额**：大模型存在幻觉；所有引用需逐条核对，尤其是数字、条款号、文件名。
3. **长上下文未评测**：架构上限 256K，训练 8K；不建议直接把 256K 当可用上下文。
4. **领域边界**：仅面向中国大陆税制与中文；不覆盖港澳台、国际税制与非中文场景。
5. **数据截止**：2026 年 10 月之后的新规不在训练语料中。
6. **部分语料为生成/整理内容**：部分长文语料含 Agent 批量生成内容，事实性需抽样核验；表单语料含表格控制符与压平表格。
7. **无工具调用/检索**：模型不会自动联网查最新法规，也不会调用外部计算器；需要时效与计算保证时，应外挂检索与计算工具。
8. **评测覆盖有限**：本版本使用 60 题内部评测集（6 维 × 10 题），非公开 benchmark；上线前建议按第 8 节自建更全面评测。
9. **合规责任**：使用者应确保输入不含个人隐私、商业秘密；不得用于违法用途。

---

## 11. 使用许可

本模型为**开源模型**，用于个人及研究机构研究学习；权重开放下载，训练代码与训练语料均不公开。

- 个人及研究机构可免费将本模型用于研究学习。
- 商用（包括对外提供服务、集成到商业产品、商业内部使用）需获得北京灵境技术有限公司（lingjing-tech）书面授权，请联系 **supercpa@163.com** 或微信 **13810923199**。
- 使用时请保留模型名称与来源声明；不得用于违法用途。
- 基座模型 Qwen3.5-9B-Base 的使用需同时遵守其原始许可条款。

---

## 12. 引用

如在本模型相关工作中引用，请使用：

```bibtex
@misc{taxlingjing_2026,
  title        = {Lingjing Tax Model: A 9B Chinese Tax-Domain Language Model},
  author       = {Beijing Lingjing Technology Co., Ltd. (lead developer) and Beijing Huaxia Tax Agent Firm (professional support)},
  year         = {2026},
  howpublished = {ModelScope},
  note         = {Based on Qwen3.5-9B-Base; CPT 3,248 steps + SFT 32,493 steps},
  url          = {https://www.modelscope.cn/models/supercpa/lingjingtax}
}
```

---

## 13. 致谢

- Qwen 团队发布的 Qwen3.5-9B-Base；
- ms-swift 训练框架；
- HuggingFace transformers、llama.cpp、Ollama、bitsandbytes；
- ModelScope 魔搭社区提供的模型托管与推理服务；
- 所有提供公开法规、判例与表单数据的机构与作者。

---

## 附录 A：文件完整性校验

仓库建议附带 `SHA256SUMS`：

```bash
sha256sum -c SHA256SUMS
```

GGUF 文件可用 llama.cpp 自检张量完整性：

```bash
llama-cli -m gguf/qwen3.5-9b-tax-sft-q4_k_m.gguf \
  --check-tensors -ngl 0 -c 64 -n 1 -p hi
```

如出现输出重复字符、`0000...`、NaN/Inf 等情况，请先重新下载并执行上述校验；部分分发副本的 GGUF 文件可能在拷贝/写入过程中损坏。

---

## 附录 B：版本历史

| 版本 | 日期 | 说明 |
|---|---|---|
| v1.0.0 | 2026-10-18 | 初始版本：INT8 / GGUF（Q3_K_M–Q8_0、F16）；CPT 3,248 步 + SFT 32,493 步 |

---

## 附录 C：联系方式

- 主开发机构：北京灵境技术有限公司（lingjing-tech）
- 专业支持：北京华夏税务师事务所
- 联系邮箱：**supercpa@163.com**
- 微信：**13810923199**
- 模型主页：<https://www.modelscope.cn/models/supercpa/lingjingtax>
- 问题反馈：邮件或微信联系

---

## 附录 D：常见问题

**Q1：为什么模型有时会输出 `<think>`？**
训练模板为 `qwen3_nothinking`，但基座具备思考模式。部署时传入 `enable_thinking=False`，或在系统提示中要求"直接给出结论与依据，不要输出思考过程"。

**Q2：256K 上下文能用吗？**
架构上限 262,144，但 CPT/SFT 训练长度分别为 4,096/8,192，未做长上下文训练与评测。建议 ≤8K；需要处理长文档时，先做切片/检索，再交给模型。

**Q3：为什么回答里的法条可能过期？**
模型训练数据截止 2026-10，之后的新规不在其中。涉及时效时必须回到官方原文核对，或外挂法规检索工具。

**Q4：GGUF 输出乱码/重复字符怎么办？**
先执行附录 A 的 `--check-tensors`；若校验失败，重新下载或从 F16 重新量化。Q6_K 建议从 F16 或 Q8_0 重新量化，并在发布前跑一次完整张量校验。

**Q5：可以商用吗？**
本模型权重开源，个人及研究机构可免费用于研究学习；商用需获得北京灵境技术有限公司（lingjing-tech）书面授权，请联系 supercpa@163.com 或微信 13810923199。

**Q6：支持哪些语言/税制？**
以简体中文和中国大陆税制为主；不覆盖港澳台及其他国家税制。

---

*最后更新：2026-10-18 · 模型版本 v1.0.0*