/ Модель
Каталог

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.6-27B
Опубликована
21 июн 2026

Ссылки

Hugging Face

Qwen3.6-27B-Claude-Mythos-Distilled-MTP-GGUF

chatqaq
Изображение и текст → текст10 профессий

Qwen3.6-27B-Claude-Mythos-Distilled-MTP-GGUF — общественная дообученная модель от chatqaq, созданная на базе Qwen/Qwen3.6-27B.

490скачиваний за 30 дней23лайкавеса обновлены22 июн 2026

Бенчмарки

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

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

Она ориентирована на техническое рассуждение, сложные задачи программирования, анализ кибербезопасности и автономные агентные сценарии. Модель предназначена для декомпозиции многоэтапных задач, планирования длительных рабочих процессов, отладки и подготовки ориентированного на промышленную разработку кода, а также для защитного анализа уязвимостей и аудита исходного кода.

Модель содержит 27 млрд параметров и дообучалась методом QLoRA с 4-битной NF4-квантизацией на 25 000 синтетических образцов SFT из набора WithinUsAI/claude_mythos_distilled_25k. Доступны форматы GGUF Q8 и Q4 для локального развёртывания. В карточке заявлены текстовые и визуально-текстовые задачи, а также поддержка английского и китайского языков; размер контекста не указан.

Сильными сторонами модели считаются структурированное многошаговое рассуждение, техническая точность, инженерное программирование и пригодность для агентных рабочих процессов. Ограничения связаны с полностью синтетическим происхождением обучающих данных: модель может галлюцинировать или чрезмерно обобщать в узкоспециализированных реальных сценариях. Она не сертифицирована для критически важных систем, поэтому результаты требуют экспертной проверки. В метаданных указана лицензия Apache-2.0, однако в README также сказано о необходимости соблюдать лицензионные условия исходной базовой модели Qwen3.6-27B.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделейII.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232моделиII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.6-27B-Claude-Mythos-Distilled

🚀 Try our ecosystem:

Model Overview

Qwen3.6-27B-Claude-Mythos-Distilled is a high-performance community fine-tune based on the Qwen3.6-27B architecture. It has been specifically optimized using a high-signal synthetic instruction dataset of 25K samples to excel in advanced technical reasoning, complex coding tasks, cybersecurity analysis, and autonomous agentic workflows.

The model is designed to bridge the gap between general-purpose LLMs and specialized technical assistants by distilling complex reasoning patterns into a 27B parameter scale.

📖 Detailed Analysis & Deep Dive

For a comprehensive breakdown of the training process, evaluation, and use-case analysis, please visit our detailed posts:

🛠 Training Methodology

  • Base Model: Qwen/Qwen3.6-27B
  • Training Method: QLoRA (4-bit NF4) parameter-efficient fine-tuning.
  • Dataset: 25,000 high-quality synthetic SFT samples focused on Claude Mythos-style reasoning distributions.
  • Optimization Goal: Enhancing multi-step problem decomposition and technical precision.
  • Export Formats: Available in GGUF (Q8/Q4) for seamless local deployment.

✨ Key Capabilities

🧠 Advanced Technical Reasoning

The model exhibits strong structured reasoning behavior, allowing it to break down complex, multi-layered problems into actionable steps with a clear logical chain.

💻 Engineering-Grade Coding

Optimized for software engineering tasks, the model provides production-oriented code, excels in debugging, and strictly adheres to complex architectural specifications.

🤖 Agentic Workflow Optimization

Designed as a "brain" for AI agents, it shows superior performance in long-horizon planning and the ability to execute multi-step autonomous tasks.

🛡 Cybersecurity Analysis

Enhanced capability in defensive-oriented security analysis, including vulnerability assessment and source code auditing.

System Prompt

Training system prompt:

"You are a distilled mirror of Claude Mythos..."

Used to reinforce:

  • structured reasoning
  • technical depth
  • agentic behavior
  • security-first analysis

⚠️ Limitations

  • Synthetic Data Origin: Trained entirely on synthetic data; may exhibit hallucinations or over-generalize in highly niche real-world scenarios.
  • Validation: Not safety-certified for mission-critical or production-critical systems. Expert human validation is required for high-stakes deployments.

📜 License

This model follows the Qwen3.6-27B base model license. Please ensure compliance with the original upstream licensing terms.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
3163af4

0 моделей

    Создать бенчмарк