Sorry, Didn;t have much time left to Update Model Card. Will Update after Hackathon will end.
Please try Demo Space: https://huggingface.co/spaces/build-small-hackathon/OpenMythos
Характеристики
- Контекст
- 262 144 токена
- Параметры
- 22,3 млрд
- Размер весов
- 53,8 ГБ
- Лицензия
- Apache 2.0
- Архитектура
- qwen3_5_text · dense
- Базовая модель
- Qwen3.6-27B
- Библиотека
- transformers
- Опубликована
- 15 июн 2026
Ссылки
OpenMythos
OpenMythos — разговорная текстовая модель на базе Qwen, дообученная для генерации ответов на текстовые запросы.
122скачиваний за 30 дней31лайквеса обновлены15 июн 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
OpenMythos — дообученная разговорная модель для генерации текста, созданная участником хакатона build-small-hackathon на базе Qwen/Qwen3.6-27B. Она предназначена для диалогов и текстовых запросов; среди датасетов для дообучения указаны подробные данные об уязвимостях CVE и отфильтрованный набор ArvixImport-Final. Модель использует архитектуру Qwen3_5ForCausalLM, содержит 22,3 млрд параметров и поддерживает контекст до 262 144 токенов.
Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка модели не описывает результаты оценки качества и конкретные ограничения, поэтому её специализацию на кибербезопасности или научных текстах следует считать предположительной по названиям датасетов.
Сценарии применения
- диалоговые ответы на текстовые вопросы
- генерация пояснений по уязвимостям CVE
- составление черновиков описаний уязвимостей
- подготовка ответов по научным текстам
Ограничения
README не содержит результатов оценки качества или конкретных рекомендаций по применению; назначение по кибербезопасности и научным текстам можно предположить только по названиям датасетов.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельII.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…
- Класс архитектуры
- Qwen3_5ForCausalLM
- Ревизия весов
- 2d43d02