← 返回模型库

terrorswift/REDCELL-26B-A4B-OSINT-Cyber-APEX-GGUF

REDCELL-26B-A4B-OSINT-Cyber-APEX-GGUF:开源情报与威胁分析专精微调

REDCELL 是基于 Gemma 4 26B-A4B 混合专家架构(约 26B 总参数 / 4B 激活)的 16 位 LoRA 监督微调模型,专注于开源情报、威胁情报、调查记者与反虚假信息四个领域轴的 33 个细分任务,保留基础模型原生视觉能力与 262K 长上下文。

开源情报威胁情报调查记者混合专家
查看模型源页面 ↗
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
GGUF11 GB12.5 GB14.5 GB17.5 GB下载文件 ↗
GGUF14 GB15 GB17.5 GB20.5 GB下载文件 ↗
GGUF14 GB15 GB17.5 GB20.5 GB下载文件 ↗
GGUF18 GB20 GB23 GB28 GB下载文件 ↗
GGUF18 GB20 GB23 GB28 GB下载文件 ↗
GGUF19 GB21 GB24 GB29 GB下载文件 ↗
GGUF19 GB21 GB24 GB29 GB下载文件 ↗
Q8_025 GB27.5 GB31.5 GB38 GB下载文件 ↗
F1647 GB51 GB58.5 GB71 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