BTL-3 生态与社区指南:Compact 版本、运行时源码与后续路线图速览
BTL-3 生态与社区指南:Compact 版本、运行时源码与后续路线图速览
BTL-3 是 Bad Theory Labs 发布的 27B 开放权重 Agent 模型,专为 Agentic Coding(智能体编程)与结构化工具调用(Tool Use)打造。本文带你速览 BTL-3 生态的三大板块:本地部署用的 BTL-3-Compact 轻量版、独立发布的运行时源码,以及官方社区渠道与后续路线图方向,帮助新手快速找到入门路径。
一、生态全景:BTL-3 的三大入口
BTL-3 不是一个孤立的模型文件,而是一个分层的生态组合:
| 生态组件 | 定位 | 适合人群 |
|---|---|---|
| 完整适配器仓库(本仓库) | RL-0013 rank-32 LoRA 适配器 + 分词器配置 | 自建推理、二次集成 |
| BTL-3-Compact | 8.39 GB 原生本地推理版本 | 本地部署、轻量推理 |
| 运行时源码 + 社区 | 参考运行时、答疑与发布更新 | 集成开发、社区参与 |
本仓库包含的是冻结的 RL-0013 PEFT 适配器与分词器配置,基础检查点被固定到精确 revision,保证可复现加载,详见 README.md。
二、BTL-3-Compact:8.39 GB 的轻量本地部署方案
对于内存和带宽有限的环境,官方提供了独立的 BTL-3 Compact 版本(见 README.md):
- 📦 体积:完整文本模型打包为单个 8.39 GB 原生文件,比 8B 模型 FP16 存储还要小,等效产物密度低于 2.5 bits/参数;
- 🎯 行为保持率:在独立的私有 100 轮工具契约测试中,Compact 保留了完整模型 90 项行为中的 83 项,工具行为保持率 92.2%;
- 💡 定位:面向原生本地推理(native local inference),适合私有自托管的 Agent 部署场景。
如何选择? 需要完整能力的结构化工具调用与长多轮任务时,使用完整适配器 + Qwen3.6-27B 底座;追求本地低占用部署、可接受轻微行为折损时,直接选用 Compact 版即可。
三、运行时源码获取指南
BTL-3 的运行时源码以独立仓库形式发布,入口链接位于 README.md 顶部导航区(标注为 "Runtime source"),与模型权重仓库分离,便于独立迭代。
参考运行时的依赖说明见 THIRD_PARTY_NOTICES.md,其会安装以下核心组件:
# BTL-3 Compact 参考运行时自动安装的依赖
PyTorch · Transformers · Safetensors · PEFT · Accelerate
如需获取本适配器仓库进行本地实验,可执行:
git clone https://gitcode.com/hf_mirrors/badtheorylabs/BTL-3
四、仓库文件速览:适配器是怎么组织的
本仓库结构非常精简,核心文件一览:
- adapter_model.safetensors:RL-0013 LoRA 适配器权重,共 933,974,032 字节,官方提供了 SHA-256 校验值(见 README.md);
- adapter_config.json:适配器配置,PEFT LoRA、rank 32、alpha 64,目标模块覆盖 attention 与 MLP 各投影层;
- chat_template.jinja:对话模板,内置工具调用 XML 格式、`
登录后查看全文