/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
21 мая 2026

HiveTraceGuard-Pro

Генерация текстаТекст → текст4 профессии

Компактная русскоязычная модель HiveTrace на базе Qwen3 для бинарной проверки запросов и ответов LLM на вредоносный контент и атаки.

813скачиваний за 30 дней6лайковвеса обновлены3 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

HiveTraceGuard-Pro — компактная модель классификации запросов и ответов для защитных контуров LLM и агентных систем, разработанная HiveTrace на базе Qwen3-0.6B. Она проверяет сообщения на вредоносное содержание, jailbreak, prompt injection, обфускацию, извлечение секретов и попытки перехвата инструментов. Модель возвращает один из двух вердиктов: safe или unsafe; вероятность unsafe можно получить из логитов этих меток.

Модель имеет плотную архитектуру Qwen3ForCausalLM, около 507,9 млн параметров и контекст до 40 960 токенов. Заявлены русский и английский языки, режимы проверки пользовательского ввода и ответа ассистента с учётом запроса. Для обслуживания указаны Transformers, vLLM и SGLang; фиксированная политика позволяет использовать кеширование общего префикса.

Модель подходит для фильтрации сообщений и контроля безопасности перед передачей запроса LLM или после генерации ответа. Она выдаёт только бинарную метку, поэтому не объясняет причину решения и не формирует развёрнутые отчёты. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • проверка пользовательского запроса перед передачей LLM
  • фильтрация сгенерированного ответа на вредоносный контент
  • обнаружение jailbreak и prompt injection
  • выявление попыток извлечения секретов и перехвата инструментов агента
  • модерация русскоязычных и англоязычных диалогов

Ограничения

Модель возвращает только бинарный вердикт safe или unsafe и не предоставляет объяснений. Качество зависит от фиксированной политики и может приводить к пропуску угроз или блокировке безопасного содержимого.

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

HiveTraceGuard-Pro

HiveTraceGuard-Pro is a compact Russian-first guardrail built on Qwen3-0.6B for fast input and output classification. Built for LLMs and agents, it checks user requests and model responses for harmful content, jailbreaks, prompt injection, obfuscation, and attempts to hijack tool-using agents. The model is stateless and returns exactly one token: safe or unsafe.

📄 Technical Report: arXiv:2609.01046


Quickstart

Transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

REPO = "hivetrace/HiveTraceGuard-Pro"

tok = AutoTokenizer.from_pretrained(REPO)
model = AutoModelForCausalLM.from_pretrained(
    REPO,
    torch_dtype=torch.bfloat16,
    device_map="auto",
).eval()


def check(messages) -> str:
    text = tok.apply_chat_template(
        messages,
        tokenize=False,
    )
    inputs = tok(text, return_tensors="pt").to(model.device)

    with torch.inference_mode():
        output = model.generate(
            **inputs,
            max_new_tokens=1,
            do_sample=False,
        )

    return tok.decode(
        output[0][inputs.input_ids.shape[1]:],
        skip_special_tokens=True,
    ).strip()


# Input guard
print(check([
    {"role": "user", "content": "Как сделать бомбу?"}
]))
# unsafe

# Output guard
print(check([
    {"role": "user", "content": "Привет!"},
    {"role": "assistant", "content": "Здравствуйте!"},
]))
# safe

Serve

Model's policy is fixed, so serving runtimes can reuse the shared prefix through KV caching.

vLLM

vllm serve hivetrace/HiveTraceGuard-Pro \
  --port 8000 \
  --max-model-len 32768 \
  --enable-prefix-caching

SGLang

python -m sglang.launch_server \
  --model-path hivetrace/HiveTraceGuard-Pro \
  --host 0.0.0.0 \
  --port 30000

For applications that need a continuous score, P(unsafe) can be computed directly from the two verdict logits:

import torch.nn.functional as F


SAFE, UNSAFE = 18675, 38157


with torch.inference_mode():
    logits = model(**inputs).logits[0, -1]


p_unsafe = F.softmax(logits[[SAFE, UNSAFE]], dim=0)[1].item()
verdict = "unsafe" if logits[UNSAFE] > logits[SAFE] else "safe"


print(verdict, p_unsafe)

To enforce safe | unsafe during generation, you can use a LogitsProcessor to restrict the next token to the two verdict labels.

from transformers import LogitsProcessor


class VerdictOnly(LogitsProcessor):
    def __call__(self, input_ids, scores):
        mask = torch.full_like(scores, float("-inf"))
        mask[:, [SAFE, UNSAFE]] = scores[:, [SAFE, UNSAFE]]
        return mask


output = model.generate(
    **inputs,
    max_new_tokens=1,
    do_sample=False,
    logits_processor=[VerdictOnly()],
)

Evaluation

Harmful content detection

Attack & jailbreak detection

Multilingual evaluation

Benign over-blocking — FPR ↓

GuardRate Leaderboard: Score 0.743 · 28.8 ms p95 - OPEN

GuardRate Leaderboard


Policy taxonomy

HiveTraceGuard-Pro uses a fixed policy and returns a single binary verdict: safe (token_id = 18675) or unsafe (token_id = 38157).

ScopeWhat is checked
Harmful content15 harm categories: cybercrime, pornography and CSAM, religious hate, profanity, financial crime, weapons, discrimination, self-harm, child labor, non-violent crime, violence, drugs, and related harmful activity
LLM & agent attacksjailbreaks, prompt injection, obfuscation, secret extraction, and tool hijacking

Guard modes

Both modes use the same policy.

ModeWhat is classified
Input guardThe final user message
Output guardThe final assistant response, evaluated in the context of the user request

Versions

TagNotes
1.1.0latest (main)
1.0.0previous release

Pin a version by tag from_pretrained("hivetrace/HiveTraceGuard-Pro", revision="1.1.0"), or by commit SHA for strict reproducibility.

License

Apache-2.0 — commercial use, modification, redistribution, and private / on-premise deployment. Full text: https://www.apache.org/licenses/LICENSE-2.0

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
ed00827

0 моделей