CyberStrike-OffSec-35B
Языковые модели, созданные для наступательной безопасности — дообучены на 1М+ сценариях безопасности, №1 в нескольких бенчмарках кибербезопасности.
Результаты бенчмарков
SecEval
81.39%
#1
+2.32 vs GPT-4-turbo
MITRE ATT&CK
93.94%
#1
+5.34 vs GPT-4
CWE Knowledge
93.05%
#1
CyberMetric-10K
86.61%
#4
/25 models
MMLU Security
86.00%
Быстрый старт
Самый простой способ запуска локально.
ollama run hf.co/oyildirim/CyberStrike-OffSec-35B-GGUF:Q4_K_MЗапуск напрямую из HuggingFace или с локальным файлом.
./llama-cli -hf oyildirim/CyberStrike-OffSec-35B-GGUF \
-hff CyberStrike-OffSec-35B-Q5_K_M.gguf \
-p "Explain SSRF exploitation in cloud environments" \
-n 512 --temp 0.7Для продакшн-сервинга с OpenAI-совместимым API.
vllm serve oyildirim/CyberStrike-OffSec-35B \
--dtype bfloat16 \
--max-model-len 4096 \
--trust-remote-codeИспользование с библиотекой HuggingFace Transformers.
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
model = AutoModelForCausalLM.from_pretrained(
"oyildirim/CyberStrike-OffSec-35B",
torch_dtype=torch.bfloat16,
device_map="auto",
trust_remote_code=True,
)
tokenizer = AutoTokenizer.from_pretrained(
"oyildirim/CyberStrike-OffSec-35B",
trust_remote_code=True,
)Возможности
Квантизации GGUF
Оптимизированные варианты для локального инференса с llama.cpp, Ollama и LM Studio.
Сценарии использования
Тестирование на проникновение
Тестирование безопасности веб, сети, облака и API
Операции Red Team
Полная симуляция Kill Chain и эмуляция противника
Исследование уязвимостей
Разработка PoC и анализ эксплойтов
Соревнования CTF
Решение задач и определение техник
Только авторизованное использование. Эти модели предназначены для авторизованного тестирования безопасности, исследований и обучения. Пользователи должны получить письменное разрешение перед тестированием любой системы и соблюдать все применимые законы.