/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Coder-7B-Instruct
Библиотека
transformers
Опубликована
26 сен 2026

qwen25-coder-7b-solidity-audit-v3-merged

Генерация текстаТекст → текст4 профессии

Дообученная Qwen2.5-Coder модель анализирует Solidity-код, выявляет потенциальные уязвимости и формирует структурированный отчёт с рекомендациями по исправлению.

340скачиваний за 30 дней0лайковвеса обновлены30 сен 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

Offlin33er разработал Qwen2.5-Coder-7B Solidity Audit V3 — разговорную модель для генерации структурированных аудитов Solidity-кода. Она дообучена методом QLoRA на базе Qwen/Qwen2.5-Coder-7B-Instruct, после чего веса адаптера объединены с базовой моделью. Архитектура — плотная Qwen2 causal language model на 7,1 млрд параметров; модель принимает текстовый код и выдаёт текстовый отчёт. Контекст — до 32 768 токенов.

Модель анализирует функциональность фрагмента, классифицирует основную находку по одной из восьми категорий, описывает проблему и предлагает исправление. Она предназначена для предварительной проверки смарт-контрактов и развёртывания через Hugging Face Inference Endpoint, TGI или vLLM. В описанной оценке на 100 отложенных примерах точность и полнота обнаружения составили 0,986, однако точное совпадение с категорией разметки было 44,9%.

Модель обучена на аудированных примерах Solidity и может ошибаться, в частности при выборе между близкими категориями уязвимостей. Результаты следует проверять вручную; модель не заменяет профессиональный аудит. Лицензия — Apache-2.0.

Сценарии применения

  • поиск уязвимостей в смарт-контрактах Solidity
  • классификация найденной проблемы по категории уязвимости
  • получение объяснения потенциальной уязвимости в контракте
  • подготовка рекомендаций по исправлению Solidity-кода
  • предварительная проверка смарт-контракта перед ручным аудитом

Ограничения

В тестовой оценке точное совпадение категории находки с эталонной разметкой составило 44,9%; близкие категории могут путаться. Модель обучена на ограниченном наборе аудированных примеров, поэтому её выводы требуют проверки специалистом и не заменяют профессиональный аудит.

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

Qwen2.5-Coder-7B — Solidity Audit (V3, merged, deploy-ready)

Full-weight merge of the V3 QLoRA adapter into Qwen/Qwen2.5-Coder-7B-Instruct (bf16, 7.6B params, single 15.2 GB safetensors shard). This repo exists specifically to be deployed on a Hugging Face Inference Endpoint (or served with TGI/vLLM) — the adapter version is for PEFT users.

Part of the Solidity Audit Scanner project.

What it does

Given a Solidity snippet, produces a structured audit report: the primary finding classified into exactly one of 8 canonical categories (Reentrancy, Arithmetic Error, Access Control Flaw, Input Validation Error, Frontrunning / MEV, Denial of Service (DoS), Business Logic Violation, Clean (No Vulnerability)) — with functionality analysis, description, and remediation recommendation.

Measured evaluation (n=100 stratified held-out, greedy, seed 42)

MetricV3 (this model)V2V1
Detection precision0.9860.9861.00
Detection recall0.9860.9711.00
False-positive rate on clean0.0330.0330.00
Finding-type match (exact canonical)0.4490.4850.30 (lenient)

Full per-row records: V3 eval_results.json.

Honest read: V1's perfect detection was a dataset artifact (see its card); V3 is the best detection config with the cleanest labels; the type-match gap between V2/V3 is within sampling noise at n≈70, and residual type errors are semantic ambiguity in reference labels, not model bugs.

Usage (OpenAI-compatible once deployed on an endpoint; transformers locally)

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "Offlin33er/qwen25-coder-7b-solidity-audit-v3-merged", dtype=torch.bfloat16, device_map="auto")
tok = AutoTokenizer.from_pretrained("Offlin33er/qwen25-coder-7b-solidity-audit-v3-merged")

messages = [
    {"role": "system", "content": SYSTEM_PROMPT_V3},  # the V3 taxonomy prompt from the dataset card
    {"role": "user", "content": "Audit the following Solidity code for security vulnerabilities.\n\n```solidity\n<YOUR CODE>\n```"},
]
inputs = tok.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=512, do_sample=False)
print(tok.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

The exact SYSTEM_PROMPT_V3 text is on the dataset card — it was trained verbatim and must be used as-is.

Deployment

  • HF Inference Endpoint: 1× Nvidia L4 (24 GB) recommended (~$0.80/hr, scale-to-zero for near-zero idle cost). A T4 (16 GB) does not fit bf16.
  • Greedy decoding, 512 max new tokens matches the evaluated configuration.

Training

1 epoch (139 steps) over Offlin33er/solidity-audit-instruct-v3 (2,224 rows, canonical 8-class taxonomy, split-preserving vs V1/V2); QLoRA r=32 on all attn+MLP projections, LR 2e-4 cosine, merged after training. Tracked on the trackio dashboard.

Limitations

  • Trained on ~2.5K Solodit-audited snippets; ~290 one-off label types in the source taxonomy.
  • ~Half of detected findings still get an adjacent canonical label (44.9% exact match) — the residual errors are reference-label ambiguity (documented in the V3 card).
  • Not a substitute for a professional audit. Findings are candidates for human review.

Defensive security tooling: analyzes code you paste in. Only audit contracts you are authorized to review.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
7a3d326

0 моделей