/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
29,7 млрд
Размер весов
65,5 ГБ
Лицензия
MIT
Архитектура
qwen3 · dense
Базовая модель
Qwen3-32B
Библиотека
transformers
Опубликована
1 фев 2026

Abacus-cve

Генерация текстаТекст → текст4 профессии

Дообученная на трассах CVE-агента модель Qwen3-32B для анализа и исправления уязвимостей в коде.

39скачиваний за 30 дней6лайковвеса обновлены4 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Abacus-cve — языковая модель для работы с кодом, разработанная Luoberta на основе Qwen3-32B. Модель дообучена на 4 078 дистиллированных трассах агента, созданных для примерно 900 задач воспроизведения CVE с помощью конвейера CVE-Factory.

Модель предназначена для поиска и исправления уязвимостей в программном обеспечении, в том числе в сценариях, где агент анализирует воспроизведение CVE и предлагает изменения в коде. Это плотная авторегрессионная архитектура Qwen3ForCausalLM с 29,7 млрд параметров; она принимает текст и генерирует текст. Контекстное окно — до 65 536 токенов. В метаданных указан английский язык.

Модель распространяется в формате safetensors через Transformers по лицензии MIT. Карточка описывает специализированное дообучение на агентных трассах для задач устранения уязвимостей; результаты на конкретном проекте требуют проверки, а область обучения ограничена задачами, представленными в этих трассах.

Сценарии применения

  • поиск причин уязвимостей в коде по описанию CVE
  • подготовка исправлений для воспроизведённых уязвимостей
  • анализ кода в ходе автоматизированного устранения CVE

Ограничения

Дообучение основано на 4 078 трассах для примерно 900 задач воспроизведения CVE, поэтому качество для иных типов уязвимостей и проектов может различаться. Предлагаемые моделью исправления следует проверять и тестировать.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Abacus-cve

Abacus-cve (Live Agent Coder) is a 32B code model fine-tuned on CVE-Factory agent traces for security vulnerability fixing tasks.

Model Description

Abacus-cve is based on Qwen3-32B and fine-tuned using 4,078 distilled agent traces from ~900 CVE reproduction tasks. The traces were generated using Claude Opus 4.5 with a Mini SWE-Agent harness through the CVE-Factory pipeline.

Training Results

Fine-tuning yields dramatic improvements across security benchmarks:

ModelLiveCVEBenchPatchEvalTerminal-BenchAvg
Qwen3-32B (base)5.295.6612.507.82
Abacus-cve (Ours)35.7923.5828.7529.37
Qwen3-Coder-30B10.589.9113.7511.41
Qwen3-Coder-480B19.5819.3436.2525.06
MiniMax-M224.8719.3437.5027.24
Claude Sonnet 420.1122.6433.7525.50
Claude Sonnet 4.534.3928.7745.0036.05
Claude Opus 4.541.2732.0848.7540.70

Key findings:

  • ~6.8x improvement on LiveCVEBench (5.29% -> 35.79%)
  • ~4.2x improvement on PatchEval (5.66% -> 23.58%)
  • ~2.3x improvement on Terminal-Bench (12.50% -> 28.75%)
  • Outperforms Qwen3-Coder-480B, MiniMax-M2, and Claude Sonnet 4
  • Approaches Claude Sonnet 4.5 level on security tasks

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("Luoberta/Abacus-cve")
tokenizer = AutoTokenizer.from_pretrained("Luoberta/Abacus-cve")

Related Resources

Citation

@misc{luo2026cvefactory,
  title={CVE-Factory: Scaling Expert-Level Agentic Tasks for Code Security Vulnerability}, 
  author={Xianzhen Luo and Jingyuan Zhang and Shiqi Zhou and Rain Huang and Chuan Xiao and Qingfu Zhu and Zhiyuan Ma and Xing Yue and Yang Yue and Wencong Zeng and Wanxiang Che},
  year={2026},
  eprint={2602.03012},
  archivePrefix={arXiv},
  primaryClass={cs.CR},
  url={https://arxiv.org/abs/2602.03012}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
640a09a

0 моделей