Характеристики

Лицензия: MIT
Опубликована: 15 авг 2026

Ссылки

Hugging Face

qwen3.5-9B-ctf-web-instruct

chinatigerking

Генерация текстаТекст → текст3 профессии

Дообученная на CTF-Web задачах версия Qwen3.5-9B для анализа кода веб-приложений и подготовки решений.

775скачиваний за 30 дней2лайкавеса обновлены17 авг 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.

Открыть конструктор бенчмарка

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

chinatigerking разработал эту модель как дообученную на задачах веб-безопасности версию Qwen3.5-9B. Модель обучена методом SFT с LoRA на 500 задачах CTF-Web; в данных преобладают задания соревнований, также использованы классические учебные лаборатории и задачи, созданные языковыми моделями. Репозиторий содержит веса в формате GGUF, лицензия — MIT.

Модель предназначена для разбора кода веб-приложений в CTF-задачах и подготовки решений. Автор сообщает о сравнительной оценке на 42 заданиях, где ответы модели оценивались по сравнению с ответами базовой модели; результаты этой оценки не гарантируют правильного решения конкретного задания. Поддерживаются английский и китайский языки. Модель унаследовала размер 9 млрд параметров от указанной базовой модели Qwen3.5-9B.

Сценарии применения

анализ исходного кода веб-приложения в CTF-задаче
поиск уязвимостей в учебном веб-сервисе
подготовка пошагового решения CTF-Web задания
разбор заданий по загрузке файлов и PHP-сериализации

Ограничения

Правильное решение конкретной задачи не гарантируется. Сравнительная оценка автора охватывала 42 задачи и не подтверждает качество на более широком наборе сценариев.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.5Разработка и данныеБезопасность программного кода и цепочки поставокAI помогает выявлять уязвимости в коде и цепочке поставок программного обеспечения.20 задач1 806моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Important Statement

Although this model is significantly better at solving ctf-web challenges in comparison with its base model.Solving ctf challenges correctly is not a guarantee.

Brief Introduction

This model is trained with 500 ctf-web challenges,based on qwen3.5-9B.

Training Method

Sft lora training.In my dataset,prominent ctf competition challenges like ciscn,google ctf and picoctf take up 70% approximately,classical labs like dvwa,uploads-lab and php-serialize-labs account for 20%,the 10% in remain is challenges generated by online large-scale AI models.

Training Effects Evaluation

I chose 42 ctf-web challenges which are relatively simple(but still much more difficult than newbie ctf challenges) from ctf-archive-2022,which has 81 ctf-web white-box challenges in total,in order to evaluate the performance of the fine-tuned model.For each challenge,we shuffle the position of the answers of the base model and fine_tuned model,and send the challenge code and the two answers to qwen3.7-plus and deepseek-v4-pro to judge which one is better. After we got the verdicts of all answer pairs,we use bootstrap test and binomial test to judge whether the fine tuned model is better than base model significantly.The results are shown below.

Winning Times: A=110 B=220 tie=2 errors=0
B winning rate: 220/330 = 66.7% (Ties are not considered)
Binomial p < 0.001
Bootstrap 95% CI: [0.552, 0.774] (strictly greater than 0.5)

In-detail results:
  [ 0] 1337UP-DeadTube                  A wins=0 B wins=8 ties=0 WR=100%
  [ 1] BCACTF-Bloodthirsty_Breeze       A wins=1 B wins=7 ties=0 WR=88%
  [ 2] BCACTF-StylishPlus               A wins=7 B wins=1 ties=0 WR=12%
  [ 3] BYUCTF-Wordle                    A wins=0 B wins=8 ties=0 WR=100%
  [ 4] BackdoorCTF-S3KSU4L_INJ3C710N    A wins=7 B wins=0 ties=0 WR=0%
  [ 5] CakeCTF-cakegear                 A wins=7 B wins=1 ties=0 WR=12%
  [ 6] DownUnderCTF-noteworthy          A wins=2 B wins=6 ties=0 WR=75%
  [ 7] HITCON-yeeclass                  A wins=3 B wins=3 ties=1 WR=50%
  [ 8] Hayyim-marked                    A wins=0 B wins=8 ties=0 WR=100%
  [ 9] InCTF-Hinty_Notes                A wins=0 B wins=8 ties=0 WR=100%
  [10] InCTF-Vuln-Drive2                A wins=2 B wins=6 ties=0 WR=75%
  [11] Jade-game                        A wins=8 B wins=0 ties=0 WR=0%
  [12] KITCTFCTF-EnterpriseAuth         A wins=1 B wins=7 ties=0 WR=88%
  [13] KITCTFCTF-Etherpad               A wins=1 B wins=7 ties=0 WR=88%
  [14] KITCTFCTF-cloudwhere             A wins=1 B wins=7 ties=0 WR=88%
  [15] LINE-gotm                        A wins=1 B wins=7 ties=0 WR=88%
  [16] LINE-memo-drive                  A wins=0 B wins=8 ties=0 WR=100%
  [17] LexingtonInformaticsTournament-C A wins=0 B wins=8 ties=0 WR=100%
  [18] LexingtonInformaticsTournament-E A wins=0 B wins=7 ties=1 WR=100%
  [19] MapleCTF-bookstore               A wins=1 B wins=7 ties=0 WR=88%
  [20] MapleCTF-honksay                 A wins=4 B wins=4 ties=0 WR=50%
  [21] NahamCon-Flaskmetal_Alchemist    A wins=0 B wins=8 ties=0 WR=100%
  [22] SEETF-xspwn                      A wins=6 B wins=2 ties=0 WR=25%
  [23] THCon-Welcome                    A wins=8 B wins=0 ties=0 WR=0%
  [24] TJCTF-ascordle                   A wins=7 B wins=1 ties=0 WR=12%
  [25] TJCTF-fruit-store                A wins=0 B wins=8 ties=0 WR=100%
  [26] TJCTF-photoable                  A wins=7 B wins=1 ties=0 WR=12%
  [27] TJCTF-portalstrology             A wins=1 B wins=7 ties=0 WR=88%
  [28] TetCTF-animals                   A wins=8 B wins=0 ties=0 WR=0%
  [29] TyphoonCon-Typo                  A wins=0 B wins=8 ties=0 WR=100%
  [30] UACWS-deserial_killer            A wins=3 B wins=5 ties=0 WR=62%
  [31] UMDCTF-ASimpleCalculator         A wins=8 B wins=0 ties=0 WR=0%
  [32] UMDCTF-CustomerSupport           A wins=0 B wins=8 ties=0 WR=100%
  [33] corCTF-sndbx                     A wins=0 B wins=8 ties=0 WR=100%
  [34] hxp-valentine                    A wins=0 B wins=8 ties=0 WR=100%
  [35] justCTF-BabyXSLeak               A wins=0 B wins=8 ties=0 WR=100%
  [36] justCTF-GoBucket                 A wins=4 B wins=4 ties=0 WR=50%
  [37] pingCTF-friendsbook              A wins=1 B wins=7 ties=0 WR=88%
  [38] pingCTF-vault                    A wins=2 B wins=4 ties=0 WR=67%
  [39] redpwn-oeps                      A wins=1 B wins=7 ties=0 WR=88%
  [40] redpwn-your-space                A wins=6 B wins=2 ties=0 WR=25%
  [41] zer0pts-disco-party              A wins=2 B wins=6 ties=0 WR=75%

According to the results,the fine-tuned model is significantly better than original base model.

Further comparison with base model as well as other small-scale fine tuned cybersecurity models(Not finished)

I let online models to score the answer of the models according to the following standard:

The score varies from 0 points to 10 points.
10:Perfect answer with precise vulnerability location,whole executable poc or payload and explicit flag retrieval method.
8-9:Very close to the correct answer,but small mistakes make the poc fail to get the flag
6-7:The location of vulnerability is clear,but the exploit chain is incorrect or incomplete.No explicit flag retrieval method.
4-5:Part of the direction of analysis is correct,while the location of vulnerability is unclear and the exploit chain is completely incorrect.
2-3:Almost wrong or with lots of hallucination points,only a small proportion of analysis is correct.
0-1:Completely wrong,irrelevant to the ctf challenge or blank answer.

Before training：
=== qwen3.7-plus（42 items）=== 
Average score: 5.12 / 10 Scores Distribution: 0:1 2:8 3:3 4:11 5:1 6:5 7:3 8:5 10:5
=== deepseek-v4-pro（42 items）=== 
Average score: 4.95 / 10 Scores Distribution: 3:2 4:21 5:6 6:7 7:3 8:2 9:1
Average delta score of the two judge models: 1.69 (average absolute difference between the two judges' scores per challenge)

After training： 
=== qwen3.7-plus（42 items）=== 
Average score: 5.71 / 10 Scores Distribution: 0:2 2:6 3:2 4:10 5:3 6:2 7:1 8:5 9:2 10:9
=== deepseek-v4-pro（42 items）=== 
Average score: 5.86 / 10 Scores Distribution: 3:1 4:14 5:5 6:7 7:6 8:4 9:4 10:1
Average delta score of the two judge models: 1.71 (average absolute difference between the two judges' scores per challenge)

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов: f08b567