← 返回模型库查看模型源页面 ↗
huihui-ai/Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated-GGUF
Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated-GGUF：百万上下文去限制推理模型
基于 Qwen3.5 架构的 9B 参数文本生成模型，支持 1M 超长上下文，覆盖推理、函数调用、工具使用和网络安全、生物医学等方向。该版本经过 abliteration 处理，安全过滤被显著削弱，更适合研究、测试和受控环境中的技术探索。消费级显卡建议 6GB 显存起运行 Q4_K 量化版本。
长上下文去审查推理代理网络安全
下载量
0
参数
9B
上下文
未说明
架构 / 任务
未分类
许可证
apache-2.0
MODEL POSITIONING
这个模型解决什么问题？
模型能力来源于以 Qwen3.5 为基底的 empero-ai/Qwythos-9B-Claude-Mythos-5-1M 全量微调版本，强调长上下文、推理与代理能力，原始模型卡未说明的部分以标签信息为准。本仓库仅提供 GGUF 量化格式，不包含训练数据与原始权重。运行工具兼容 llama.cpp、Ollama 与 LM Studio，需使用最新版 llama.cpp 以支持 MTP 等特性。模型已去除安全限制，输出可能包含敏感或争议内容，定位偏向研究而非生产部署。
更适合谁
- 研究人员与开发者进行长上下文与代理行为实验
- 需要 1M token 上下文窗口的代码分析或文档处理
- 关注网络安全与生物医学文本处理的实验用户
- 在受控环境下测试去审查模型行为的从业者
典型使用场景
- 长文档摘要与跨段落问答
- 函数调用与多步代理工作流原型
- 网络安全与生物医学文本分析研究
- 翻译或格式转换等严格遵循首条指令的任务
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
超长上下文
来自基础模型配置与标签，支持 1M token 输入窗口
推理与代理能力
标签涵盖 reasoning、function-calling、tool-use、agentic
全量微调
模型卡标注 full-fine-tune，覆盖网络安全与生物医学方向
去审查输出
经 abliteration 处理，弱化安全过滤，输出更直接
硬件怎么准备
- Q4_K 版本约 4.5GB，显存 6GB 或内存 8GB 即可运行
- Q5_K 与 BF16 版本约 5.6GB，建议显存 7GB 或内存 8GB
- Q6_K 版本约 6.75GB，建议显存 8GB 或内存 9.5GB
- Q8_0 版本约 9GB，建议显存 11GB 或内存 13GB
量化版本怎么选
- 显存紧张时优先选择 Q4_K，体积小且质量损失可控
- 平衡质量与体积可选 Q5_K 或 Q6_K
- Q8_0 适合显存充裕且追求更高保真度的研究场景
- BF16 文件体积与 Q5_K 相近，可作为对照实验参考
GGUF VARIANTS
量化版本与硬件要求
HARDWARE MATCH
哪些显卡或设备更适合运行？
按当前最小量化文件估算，至少需要 5GB 显存；如果希望为运行框架和上下文保留余量，优先参考推荐显存 6GB。
阅读 8GB 显存选型指南 →可以怎样运行
- llama.cpp 命令行方式加载 GGUF 文件
- Ollama 直接拉取并启动模型
- LM Studio 图形界面选择对应量化版本
- 需使用最新版本 llama.cpp 以兼容 MTP 等特性
采用前要知道的限制
- 安全过滤已削弱，可能输出敏感或争议性内容
- 模型卡未提供上下文长度的官方基准测试数据
- 标签以外的训练数据与评测细节模型卡未说明
- 仅适合研究与受控环境，不建议直接用于生产或面向公众的商用部署