Juicer：自然语言数据精炼模型¶

Juicer 是基于 Qwen3.6-35B-A3B 构建的数据精炼模型（MoE 架构：35B 总参数 / 3B 激活参数）。它能将自然语言描述的清洗指令、过滤规则和语义标注需求转化为结构化输出——严格的标记文本或规范的 JSON。

Juicer 专为数据精炼工作流设计，支持在本地环境中部署和处理敏感数据。

资源链接¶

资源	链接
HuggingFace 模型	datajuicer/Juicer-35B-A3B
ModelScope 模型	Data-Juicer/Juicer-35B-A3B
Juicer Playground	data-juicer-hub/juicer_playground

data-juicer-hub 仓库的 juicer_playground 目录提供 serve.sh、requirements.txt 和 app.py。克隆仓库并进入 Playground 目录：

git clone https://github.com/datajuicer/data-juicer-hub.git
cd data-juicer-hub/juicer_playground

按照 Playground 部署说明准备推理环境和模型权重。Juicer 可作为 OpenAI 兼容端点提供服务。在单张 H20（96 GB）上：

export MODEL_ID=/path/to/juicer-model
bash serve.sh --model "$MODEL_ID" --port 8000

Juicer Playground 提供交互式界面，可试用配方、浏览展示用例、对比 Juicer 与基座模型：

pip install -r requirements.txt
export JUICER_BASE_URL=http://localhost:8000/v1
python app.py
# 打开 http://localhost:7860

Juicer 在 CDR-Bench 上进行评测，涵盖原子映射/过滤、组合工作流、顺序敏感管道和语义任务（PII、幻觉、量规、安全）。

完整的部署选项（vLLM、SGLang、Transformers）、展示用例、集成代码和 AB 对比设置，请访问 Juicer Playground README。