近30天源站下载量
1.4万
参数
26B
上下文
未说明
架构 / 任务
text-generation
许可证
apache-2.0
MODEL POSITIONING
这个模型解决什么问题?
模型能力方面,REDCELL 通过 SFT 在 4 个领域轴共 33 个子类的定制语料上训练,目标产出高级分析师级别的行业手法表达,保留 Gemma 4 原生视觉能力与通用安全行为(非取消对齐版本)。量化仓库方面,采用 mudler 设计的 APEX MoE 感知混合精度方案,按张量角色分配精度并以 I-matrix(约 70% 领域语料 + 30% 通用语料)校准,提供 APEX-I-Balanced、APEX-Mini、F16、Q8_0 等多种变体,APEX-I-Balanced 为作者推荐默认。运行工具方面,支持 llama.cpp、Ollama 与 LM Studio,可在消费级硬件本地推理。模型卡未提供正式基准与拒绝行为评测分数。
更适合谁
- OSINT 开源情报分析师
- 威胁情报团队与 CERT 应急响应人员
- 调查记者与事实核查编辑
- 反虚假信息与影响力作战研究人员
典型使用场景
- IOC 指标分析与威胁行为者归因
- MITRE ATT&CK 技术映射与漏洞分诊
- 图像视频地理定位与时间定位
- 深度伪造检测与跨平台叙事追踪
SOURCE-BASED CAPABILITIES
模型卡透露的核心特点
行业分析师表达习惯
以高级 CTI/OSINT 分析师口吻生成结构化输出,减少通用对话的回避式回答
26B MoE 与 262K 长上下文
总参 26B / 激活约 4B,262144 上下文窗口支持长篇报告级推理
继承 Gemma 4 原生视觉
可结合分析框架处理图像与视频任务,未做视觉专项微调
APEX MoE 感知量化
mudler 设计,按张量角色分配精度,I-matrix 校准以领域语料为主
完整方法论覆盖
训练语料覆盖来源可靠性、置信度校准、OPSEC、法律伦理等 8 个方法论子类
按当前权重估算的硬件准备
- 现有 GGUF 文件中,最低显存估算约 12.5 GB
- 为上下文缓存、系统进程和并发请求预留额外内存,不要只按模型文件大小配置设备。
量化版本怎么选
- 默认推荐 APEX-I-Balanced(19.2GB),I-matrix 校准的平衡档被作者列为默认
- 硬件紧张时可选 APEX-Mini 或 APEX-Mini-Plus 等更激进量化
- Q8_0 适合显存充足且追求更高精度的场景
- F16 体积大(模型卡列出约 47GB),仅在硬件余量充分时使用
GGUF VARIANTS
量化版本与硬件要求
显存与内存数值均按权重文件体积估算,未做设备实测。多模态还需要配套投影文件并额外占用内存;分卷容量按全部分卷合计,下载时需获取完整文件组。
| 量化 | 权重合计 | 估算加载显存 | 建议显存 | 建议内存 | 来源 |
|---|---|---|---|---|---|
| GGUF | 11 GB | 12.5 GB | 14.5 GB | 17.5 GB | 下载文件 ↗ |
| GGUF | 14 GB | 15 GB | 17.5 GB | 20.5 GB | 下载文件 ↗ |
| GGUF | 14 GB | 15 GB | 17.5 GB | 20.5 GB | 下载文件 ↗ |
| GGUF | 18 GB | 20 GB | 23 GB | 28 GB | 下载文件 ↗ |
| GGUF | 18 GB | 20 GB | 23 GB | 28 GB | 下载文件 ↗ |
| GGUF | 19 GB | 21 GB | 24 GB | 29 GB | 下载文件 ↗ |
| GGUF | 19 GB | 21 GB | 24 GB | 29 GB | 下载文件 ↗ |
| Q8_0 | 25 GB | 27.5 GB | 31.5 GB | 38 GB | 下载文件 ↗ |
| F16 | 47 GB | 51 GB | 58.5 GB | 71 GB | 下载文件 ↗ |
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 12.5GB 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 14.5GB。
阅读 24GB 显存选型指南 →可以怎样运行
- llama.cpp 本地命令行推理
- Ollama 本地一键运行
- LM Studio 桌面应用加载
采用前要知道的限制
- 早期实验版本,行为可能在后续迭代变化
- 非取消对齐模型,输出仍受基础安全策略约束
- 模型卡未提供正式基准与拒绝行为评测分数
- OSINT 输出必须由用户独立核实,不可作为唯一事实来源