RavenX-CyberAgent-Qwen3.6-35B-A3B-Opus-4.7-OpenMythos-Pentester-BugHunter-RATH-GGUF
קוד פתוחdeadbydawn101apache-2.02026-06-04
זהו מודל MoE של 35 מיליארד פרמטרים שמפעיל רק 3 מיליארד לכל טוקן וממוקד במבדקי חדירה. מי שמחפש הפקת שרשראות תקיפה מובנות לפי מתודולוגיית אבטחה מקבל כאן ביצועים מהירים מקומית.
- 20.2 GBמשקל הקבצים
- 29,024הורדות בחודש
- 151לייקים
מה זה
הבסיס מגיע מאימון של 12 סבבים על יותר מ־745 אלף דוגמאות תוכן אבטחה, צייד באגים וניתוחי תקיפה. הוא מחזיר דוחות לפי שלבי פרוטוקול RATH הכוללים זיהוי משטח תקיפה, ניצול, השפעה ותיקון, יחד עם ציוני CVSS ומזהי CWE ו־MITRE ATT&CK. הייחוד מול מודלים כלליים באותו משקל הוא המיקוד בהפקת פקודות לכלי בדיקה כמו nmap ו־nuclei והיכולת להתאים את מבנה הפלט לתבניות דוחות חיצוניות שמספקים לו בתוך הפרומפט.
בבדיקה שערכו המפתחים על מעבד M4 Max עם 128 גיגה זיכרון דרך llama.cpp, גרסת ה־Q4_K_M עיבדה 900.6 טוקנים לשנייה בקלט וייצרה 89.3 טוקנים לשנייה בפלט. המספרים האלה מראים שארכיטקטורת ה־MoE עם 3 מיליארד פרמטרים פעילים מייצרת קצב שמקביל למודלי 7B רגילים, אבל שומרת על יכולת חשיבה והקשר רחב יותר של מודל גדול.
מתאים ל
- דוחות מבדקי חדירה
יצירת דוחות סדורים עם דירוגי CVSS, CWE והמלצות תיקון לפי פרוטוקול בדיקה מובנה.
- בניית תרחישי תקיפה
מיפוי שלבי תקיפה מרובי שלבים ברשת או באשכולות קוברנטיס לפי מתודולוגיית MITRE.
- התאמת פורמט לתבניות
המרת ממצאי סריקה טכניים לפורמטים מותאמים אישית מתוך דוגמה שמועברת בפרומפט.
איפה זה נופל
ארכיטקטורת הבסיס מייצרת תמיד בלוקים של חשיבה פנימית, מה שמחייב את שכבת התוכנה שלכם לסנן ידנית את התוכן הזה לפני שהוא מגיע למשתמש הקצה. מעבר לזה, המודל פולט פקודות הרצה ישירות ובלוקים של קריאות לכלים, כך שהרצה אוטונומית שלו בלי מנגנון אימות ובלי בדיקת הרשאות פקודה היא סיכון של ממש. היוצרים עצמם מצהירים שהמודל מיועד למחקר בלבד ומחייב סביבה מגודרת, ורמת ההפסד בחלק מסבבי האימון המאוחרים עלתה לאזור 0.82 ו־0.92, מה שדורש בדיקה מדויקת של יציבות הפלט מול הכלים שלכם.
שאלות
נפוצות
כמה זיכרון בפועל נחוץ כדי לעבוד איתו בצורה סבירה?
קובץ ה־Q4 תופס כ־20.7 גיגה, אבל בזמן ריצה עם הקשר של 32K צריכת הזיכרון מגיעה לשיא של כ־24 גיגה. על כרטיס בודד של 24 גיגה תצטרכו להגביל את ההקשר כדי לא לחרוג, או לחלופין לרוץ על מחשבי Mac עם זיכרון מאוחד של 32 גיגה ומעלה.
האם המודל מוציא קריאות לכלים מוכנות לביצוע?
הוא אומן על קריאות לכלים כמו nmap וסריקות שונות, אבל הוא מייצר רק את הטקסט או ה־JSON של הפקודה. אתם חייבים להריץ אותו בתוך מעטפת סוכנים שבודקת את תקינות הפלט ומפעילה הגבלות הרצה לפני שנשלחת פקודה למערכת.
איך מריצים
קובץ ה־Q4_K_M שוקל 20.7 גיגה ודורש סביב 24 גיגה זיכרון וידאו פנוי כדי להיכנס במלואו למאיץ גרפי. אפשר לטעון אותו ישירות בכלים כמו Ollama, LM Studio, vLLM או דרך llama.cpp. גרסת ה־F16 המלאה שוקלת 67.8 גיגה ומיועדת רק למי שמחזיק תחנות עבודה כבדות עם ריבוי כרטיסים ולא מוכן לאבד דיוק בכימות.
כרטיס בודד של 24 גיגה כמו RTX 3090 או RTX 4090 יחזיק את גרסת ה־Q4 בגבול היכולת עם הקשר בסיסי. אם אתם צריכים חלון הקשר עמוק שמתקרב ל־32K או ל־262K המקוריים, הזיכרון לא יספיק ותצטרכו לפנות לשרת ייעודי מרובה מאיצים או לעבור ל־API של מודל חיצוני.
ollama run hf.co/deadbydawn101/RavenX-CyberAgent-Qwen3.6-35B-A3B-Opus-4.7-OpenMythos-Pentester-BugHunter-RATH-GGUF:Q4_K_M
הקבצים
4 קבצים במאגר, 20.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
המודל שוחרר ברישיון Apache 2.0 המאפשר שימוש מסחרי, שינוי קוד והפצה חופשית ללא תמלוגים, בתנאי ששומרים על הודעות זכויות היוצרים והרישיון המקוריות. עם זאת, היוצרים הוסיפו בעמוד המודל הצהרה מפורשת שהשחרור מיועד למטרות מחקר ובדיקות מורשות בלבד, מה שעלול לייצר חשיפה משפטית בארגונים שמקפידים על תאימות מלאה.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים