中文简介
empero-ai/Qwythos-9B-Claude-Mythos-5-1M 是 empero-ai 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 14a29bae5143,同步到 17 个文件,文件元数据合计 17.55 GB;访问状态为“公开”,许可证字段为“apache-2.0”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 empero-ai/Qwythos-9B-Claude-Mythos-5-1M 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
empero-ai/Qwythos-9B-Claude-Mythos-5-1M 是 empero-ai 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 14a29bae5143,同步到 17 个文件,文件元数据合计 17.55 GB;访问状态为“公开”,许可证字段为“apache-2.0”。
【适用方向】
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:14a29bae5143。 任务标签:文本生成与推理。 语言字段:en。 架构:Qwen3_5ForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 9.41 B。 库标记:transformers。 模型类型字段:qwen3_5。 上游标注的基础模型:Qwen/Qwen3.5-9B。 上游页面记录的最近更新时间:2026-07-14。
【文件信息】
上游 API 返回 17 个文件,文件元数据合计 17.55 GB。 已保存文件清单中的主要扩展名:.json 6 个、.md 5 个、.jinja 1 个、.png 1 个、.pre_yarn 1 个、.safetensors 1 个。 当前较大的文件包括:model.safetensors(17.53 GB);tokenizer.json(19.06 MB);assets/qwythos.png(1.71 MB)。
【运行或处理环境】
仓库文件元数据合计 17.55 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 17.53 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
Qwythos-9B Developed by Empero** Qwythos-9B** is a full-parameter reasoning model built on top of a **deeply uncensored Qwen3.5-9B base** and post-trained on **over 500 million tokens** of high-quality Claude Mythos and Claude Fable traces, with chain-of-thought generated in-house by Empero AI's internal tool **rethink**. The result is a compact, fast, **dramatically more capable** 9B reasoning model. Headline capabilities: **🔭 1,048,576-token context** — Qwythos ships with **YaRN rope-scaling enabled by default** for a **full 1M-token context window** out of the box. One of the longest context windows available in any 9B-class open-weight model, suitable for whole-codebase reasoning, multi-document research, and long agentic trajectories. **📈 Dominates the base** under matched evaluation: **+34 pts MMLU, +30 pts gsm8k-strict, +19 pts gsm8k-flex.** **🛠 Native function calling** per Qwen3.5's spec — no extra wrapper, no tool-specific fine-tune required. **🎯 Self-corrects with tools** — when given a Python executor and a web search tool, Qwythos produced source-cited, factually-correct answers on **7 of 7** test prompts spanning math, cybersecurity, clinical pharmacology, and biochemistry. Qwythos is intentionally **uncensored**. It is designed to engage seriously with technically demanding questions across cybersecurity, red-teaming methodology, biology, pharmacology, and clinical medicine — domains where over-aligned models tend to refuse, hedge into uselessness, or surface boilerplate disclaimers in place of substance. Headline results Same harness. Same sampling. Same prompts. The wins are real.** | Task | Metric | Base Qwen3.5-9B | **Qwythos-9B** | Δ | |---|---|---:|---:|---:| | gsm8k | exact_match (flexible) | 0.670 | **0.860** | **+0.190** | | gsm8k | exact_match (strict) | 0.510 | **0.810** | **+0.300** | | mmlu | acc | 0.232 | **0.575** | **+0.343** | | arc_challenge | acc | 0.470 | **0.490** | +0.020 | | arc_challenge | acc_norm | 0.400 | **0.410** | +0.010
适用场景
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:14a29bae5143。 任务标签:文本生成与推理。 语言字段:en。 架构:Qwen3_5ForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 9.41 B。 库标记:transformers。 模型类型字段:qwen3_5。 上游标注的基础模型:Qwen/Qwen3.5-9B。 上游页面记录的最近更新时间:2026-07-14。
文件说明
上游 API 返回 17 个文件,文件元数据合计 17.55 GB。 已保存文件清单中的主要扩展名:.json 6 个、.md 5 个、.jinja 1 个、.png 1 个、.pre_yarn 1 个、.safetensors 1 个。 当前较大的文件包括:model.safetensors(17.53 GB);tokenizer.json(19.06 MB);assets/qwythos.png(1.71 MB)。
上游文件元数据
.gitattributes1.59 KBassets/qwythos.png1.71 MBassets/qwythos_eval_chart.svg6.62 KBchat_template.jinja7.76 KBconfig.json2.87 KBconfig.json.pre_yarn2.84 KBevals/lm_eval_results.md3.08 KBevals/retest_outputs.md20.20 KBevals/sample_generations.md217.55 KBevals/tool_test_outputs.md55.35 KBgeneration_config.json164 Bmodel.safetensors17.53 GB
硬件建议
仓库文件元数据合计 17.55 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 17.53 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。