К содержимому
Компьютерное зрение

CSM-1-Preview

ИИ-ассистент для задач кибербезопасности

2 мин чтенияобновлено

Экспериментальная модель от OpenModel-Labs, заточенная под помощь специалистам по защите информации, инженерам и студентам. Она основана на базе Qwen3.5-27B (27.36 млрд параметров) с помощью LoRA-адаптера (метода дообучения через компактные матрицы весов), который уже вшит в основные веса формата bf16. В отличие от универсальных моделей, CSM-1-Preview сфокусирована на оборонительной стороне: помогает разбирать уязвимости, писать правила детекта и проводить статический анализ подозрительных файлов, но при этом отклоняет запросы на создание готовых эксплойтов и вредоносного ПО.

Ключевые особенности

  • Помогает разбирать атаки, уязвимости и поведение вредоносов с точки зрения защиты.
  • Пишет и проверяет правила детектирования (Sigma, YARA и поисковые запросы), а также плейбуки реагирования на инциденты.
  • Поддерживает режим рассуждений (enable_thinking=True) и вызов внешних инструментов (tool calling) через шаблон чата.
  • Настроена на отказ в генерации вредоносного кода с предложением безопасной альтернативы, а также обезвреживает индикаторы компрометации (defang IOCs).

Что можно сделать

  • Встроить в локального ассистента для SOC-аналитиков, чтобы быстрее писать и ревьюить Sigma- и YARA-правила.
  • Использовать в изолированной песочнице для первичного статического анализа подозрительных скриптов и расширений браузера или IDE.
  • Применять при подготовке к CTF и изучении принципов безопасной разработки (secure-by-design).

Пример

from transformers import AutoTokenizer, AutoModelForImageTextToText
import torch

repo = "OpenModel-Labs/CSM-1-Preview"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForImageTextToText.from_pretrained(repo, dtype=torch.bfloat16, device_map="auto")
messages = [{"role": "user", "content": "How do I detect Kerberoasting in Windows event logs?"}]
prompt = tok.apply_chat_template(messages, add_generation_prompt=True, tokenize=False, enable_thinking=False)
ПодробнееТребования: около 55 ГБ VRAM в bf16, свежая версия transformers и библиотека flash-linear-attention.
Оптимальные настройки генерации: temperature=0.7 для диалога и 0.2–0.4 для аналитических задач (top_p=0.9, top_k=20).
Ограничения: формальных бенчмарков пока нет, модель может выдумывать номера CVE и поля API — любые команды и правила нужно проверять вручную.
Безопасность: при подключении инструментов анализа файлов авторы рекомендуют запускать их только в песочнице без доступа к сети.
Обсудить Telegram 2 77

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 51 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 25 GB29 GB
  • 4-bitвеса 14 GB16 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # OpenModel-Labs/CSM-1-Preview
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download OpenModel-Labs/CSM-1-Preview --local-dir ~/models/CSM-1-Preview
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к CSM-1-Preview
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.5-27B

Новые посты про версии Qwen3.5-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face

О модели

OpenModel-Labs/CSM-1-Preview
Автор
OpenModel-Labs
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

772

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии