---
library_name: transformers
license: apache-2.0
base_model: orcarouter/Qwen3.8-27B-Uncensored
base_model_relation: finetune
pipeline_tag: image-text-to-text
datasets:
  - HostYourAI/loes-xl-52k
language:
  - nl
  - en
tags:
  - loes
  - hostyourai
  - qwen3.8
  - dutch
  - nederlands
  - conversational
  - multimodal
  - uncensored
  - sft
  - unsloth
  - merged_16bit
---

# Loes

Loes is een Nederlandse AI-assistent, gebouwd door [HostYourAI](https://hostyourai.com) en gehost op EU-grond. Dit model is een Nederlandstalige supervised fine-tune van [`orcarouter/Qwen3.8-27B-Uncensored`](https://huggingface.co/orcarouter/Qwen3.8-27B-Uncensored), gericht op natuurlijk Nederlands en conversatie.

Meer over Loes staat op [loes.ai](https://loes.ai).

## Wat dit is

Deze repository bevat het volledig gemergede model in bfloat16, niet alleen een LoRA-adapter. De 18 safetensor-shards zijn samen circa 55,6 GB en kunnen zonder afzonderlijke adapter worden geladen.

Qwen3.8-27B is een multimodaal model. Tijdens deze training zijn alleen de taalcomponenten gefinetuned; de vision tower bleef bevroren. De beeld- en videomogelijkheden zijn daardoor geërfd van het basismodel en zijn in deze release niet apart geëvalueerd.

## Trainingsketen

| Onderdeel | Details | Licentie |
|---|---|---|
| Basismodel | `orcarouter/Qwen3.8-27B-Uncensored`, snapshot `404ea47aaa5d8a8b00049c9e9750089aca011ab2` | Apache 2.0 |
| Trainingsdata | [`HostYourAI/loes-xl-52k`](https://huggingface.co/datasets/HostYourAI/loes-xl-52k) | Zie de bronvoorwaarden van de dataset |
| Training | Unsloth, supervised fine-tuning met LoRA, daarna gemerged | Apache 2.0 |
| Infrastructuur | 1× NVIDIA H100 80 GB, UpCloud, Helsinki (`fi-hel2`) | EU-trainingslocatie |

`loes-xl-52k` bevat 51.717 Nederlandstalige instructieparen: circa 11.717 synthetische conversatieparen, 20.000 Nederlandse Aya Collection-voorbeelden en 20.000 Nederlandse xP3x-taken. Na preprocessing zijn 51.283 voorbeelden voor de training gebruikt. Er is niet getraind op gebruikersgesprekken of gebruikersprompts van Loes.

## Trainingsconfiguratie

| Instelling | Waarde |
|---|---:|
| Doel | supervised conversational fine-tuning |
| Epochs | 1 |
| Optimizerstappen | 6.411 |
| Maximale trainingslengte | 1.024 tokens |
| Effectieve batchgrootte | 8 |
| Loss masking | alleen assistant-antwoorden |
| LoRA-rank / alpha | 64 / 64 |
| LoRA-dropout | 0 |
| Learning rate | 2e-5 |
| Scheduler | linear |
| Warm-up | 5 stappen |
| Optimizer | AdamW 8-bit |
| Weight decay | 0,001 |
| Seed | 3407 |
| Trainbare parameters | 466.911.232 van 27.823.639.792 (1,68%) |

De adapters omvatten de attention-, linear-attention/Gated DeltaNet- en MLP-projecties van het taalmodel. De laatste gelogde training-batch loss was 0,5529. Dat is geen evaluatiescore: tijdens de training is geen held-out validatieset gebruikt.

Gebruikte software: Unsloth 2026.8.22, Unsloth Zoo 2026.8.16, Transformers 5.15.1, TRL 0.22.2, PyTorch 2.10.0+cu128 en torchao 0.17.0.

## Gebruik

### Transformers

```python
from transformers import AutoModelForMultimodalLM, AutoProcessor

model_id = "HostYourAI/loes-qwen3.8-27b"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(
    model_id,
    dtype="auto",
    device_map="auto",
)

messages = [{
    "role": "user",
    "content": [{"type": "text", "text": "Leg in helder Nederlands uit wat soevereine AI is."}],
}]
inputs = processor.apply_chat_template(
    messages,
    add_generation_prompt=True,
    enable_thinking=False,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)
outputs = model.generate(**inputs, max_new_tokens=300, do_sample=False)
print(processor.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))
```

### vLLM

```bash
vllm serve HostYourAI/loes-qwen3.8-27b \
  --dtype bfloat16 \
  --max-model-len 16384
```

Roep het model daarna aan via de OpenAI-compatibele API. Voor de gemeten Loes-instellingen gebruik je `temperature: 0`. Native bfloat16-serving is getest op een H100 80 GB; kies quantisatie of meerdere GPU's wanneer minder geheugen beschikbaar is.

## Beoogd gebruik en beperkingen

Dit model is bedoeld voor onderzoek, evaluatie en toepassingen met Nederlandse en Engelse conversatie. Test het altijd op de eigen taak voordat je het uitrolt.

- Het upstream-checkpoint is expliciet *uncensored*. Verwacht niet dat het onveilige, illegale of schadelijke verzoeken betrouwbaar weigert; voeg toepassingsspecifieke veiligheidsmaatregelen toe.
- Het model kan hallucineren, vooroordelen reproduceren, onjuiste informatie geven en adversarial instructies volgen.
- De maximale trainingslengte was 1.024 tokens. De geërfde architectuur ondersteunt een veel langere context, maar deze finetune is daar niet systematisch op geëvalueerd.
- Gebruik het model niet als enige basis voor medische, juridische, financiële of andere beslissingen met grote gevolgen.
- De vision tower is niet aangepast en de multimodale kwaliteit van deze afgeleide release is niet apart gemeten.

## Licentie

De modelgewichten worden beschikbaar gesteld onder de [Apache License 2.0](LICENSE), net als het Qwen3.8-basismodel en de directe OrcaRouter-afgeleide. Trainingsdata en andere componenten blijven daarnaast onder hun eigen bronvoorwaarden vallen.

## Herkomst

- Laatste checkpoint: stap 6.411 van 6.411
- Export: Unsloth `merged_16bit` met safe serialization
- Voorbereid door [HostYourAI](https://hostyourai.com) als onderdeel van de Loes-modelserie
- Contact: [info@hostyourai.com](mailto:info@hostyourai.com)