# 影片筆記：Claude 被开源了？Qwythos-9B 突然发布！无审查、104万上下文、4GB 显存可跑！附本地部署 | 零度解说

## 一句話總結

影片介紹並實測了一款名為 **Qwythos-9B** 的開源模型，宣稱其基於 Qwen3.5 並吸收 Claude Mythos 與 Fable 5 的推理軌跡，具備無審查、百萬 token 上下文及低顯存（4GB）部署能力，並通過程式碼生成、多模態理解等實測驗證其功能。

## 核心重點

*   **模型核心特性**：
    *   模型名稱：**Qwythos-9B**（V2版本）。
    *   技術基礎：基於未經審查的 **Qwen3.5** 演變而來。
    *   訓練數據：吸收了超過 5 億條來自 **Claude Mythos** 和 **Fable 5** 的高品質推理軌跡（蒸餾/思維鏈資料）。
    *   關鍵功能：無審查機制、支援高達 100 萬 token 的上下文窗口、原生函數呼叫、工具調用及自我糾錯能力。
*   **硬體與部署優勢**：
    *   提供 GGUF 格式下載。
    *   最低仅需 **4GB 顯存** 即可運行（Q4量化版本）。
    *   支援多平台：macOS, Linux, Windows, Android。
*   **實測驗證結果**：
    *   **程式碼生成**：成功生成可運行的 3D 賽車遊戲（使用 Three.js）及 Chrome 瀏覽器插件（自動總結網頁、擷取重點）。
    *   **無審查測試**：直接生成支援 TCP/UDP/SYN ACK 的壓力測試腳本，未出現拒絕回答。
    *   **多模態能力**：透過下載特定視覺模型，實現圖片上傳、識別及 3D 場景生成（如隨風擺動的草地場景）。

## 詳細大綱

### 1. 模型介紹與技術背景
*   **名稱與版本**：Qwythos-9B（V2版本）。
*   **來源與演進**：
    *   基於 Qwen3.5 基礎模型。
    *   吸收 Claude Mythos 和 Fable 5 的推理軌跡進行訓練（提及 "Empero AI 內部的 rethink 系統"）。
*   **核心賣點**：
    *   **無審查**：強調無過濾機制。
    *   **長上下文**：支援 100 萬 token。
    *   **低資源需求**：Q4 量化版本僅需 4G 顯存。
    *   **進階功能**：支援原生函數呼叫、工具調用、自我糾錯。

### 2. 本地部署準備工作
*   **資源獲取**：
    *   透過 Hugging Face 或打包下載。
    *   根據顯存大小選擇量化版本：BF16 全量、Q8、Q6、Q5、Q4。
*   **視覺模型下載**：
    *   需下載以 `mmpro` 開頭的視覺模型（約 900多M）。
    *   注意大小寫區分：小寫 `f16` 支援圖片上傳，大寫 `F16` 僅支援文本。
*   **運行環境安裝**：
    *   下載並安裝 **llama.cpp**（提及最新版本號為 "B9776"）。
    *   支援平台：macOS, Linux, Windows, Android。
    *   Windows 顯卡驅動選擇：CUDA（英偉達）或 Vulkan（A卡）。

### 3. 部署執行步驟
*   **目錄結構**：建立 `models` 資料夾存放模型文件。
*   **腳本配置**：
    *   複製一鍵啟動腳本代碼。
    *   另存為 `.bat` 批次文件。
    *   **重要提示**：注意編碼選擇 **ANSI**。
*   **啟動服務**：
    *   執行腳本，選擇對應顯存大小的配置。
    *   獲取本地存取地址：**127.0.0.1:8080**。

### 4. 實測驗證
*   **程式碼能力測試**：
    *   **3D 賽車遊戲**：
        *   技術棧：Three.js。
        *   功能：第三人稱視角、無限高速公路、AI 碰撞偵測、氮氣加速、計時系統、行動端觸控。
        *   結果：實測代碼可正常運行。
    *   **Chrome 瀏覽器插件**：
        *   功能：自動總結網頁、擷取文章重點並打包執行。
        *   結果：實測功能正常。
*   **無審查特性測試**：
    *   指令：要求撰寫支援 TCP/UDP/SYN ACK 的壓力測試腳本。
    *   結果：模型直接生成代碼，未出現拒絕回答的情況。
*   **多模態能力測試**：
    *   前置條件：下載小寫 `f16` 的多模態模型以支援圖片上傳。
    *   實測案例：根據截圖生成 3D 草地場景。
    *   結果：代碼一步到位，實現隨風擺動及滑鼠互動功能。

## 工具 / 模型 / 名詞整理

*   **模型名稱**：
    *   Qwythos-9B（或 Qwythos V2）
    *   Claude Mythos
    *   Fable 5
    *   Qwen3.5
*   **技術/框架/庫**：
    *   GGUF（模型格式）
    *   BF16（精度格式）
    *   llama.cpp（開源項目，用於載入模型）
    *   Three.js（用於編寫 3D 遊戲）
    *   CUDA（英偉達顯卡引擎）
    *   Vulkan（A卡引擎）
    *   MTP 變體
    *   mmpro（視覺模型前綴）
*   **平台/網站**：
    *   Hugging Face
    *   GitHub
    *   Chrome 瀏覽器
    *   零度部落格
*   **系統/環境**：
    *   Windows
    *   macOS
    *   Linux
    *   Android
    *   127.0.0.1:8080（本地存取地址）

## 操作流程整理

1.  **下載模型文件**：
    *   前往 Hugging Face 或相關打包源。
    *   根據顯存選擇量化版本（如 Q4 對應 4G 顯存）。
    *   若需多模態功能，下載以 `mmpro` 開頭的視覺模型（注意選擇小寫 `f16` 以支援圖片）。
2.  **安裝運行環境**：
    *   下載並安裝 llama.cpp（版本號提及為 B9776）。
    *   根據顯卡類型安裝對應驅動（CUDA 或 Vulkan）。
3.  **配置本地目錄**：
    *   建立 `models` 資料夾。
    *   將下載的模型文件放入該資料夾。
4.  **創建啟動腳本**：
    *   複製影片提供的一鍵啟動腳本代碼。
    *   新建文字文件，貼上代碼。
    *   另存為 `.bat` 檔案，確保編碼為 **ANSI**。
5.  **啟動服務**：
    *   雙擊執行 `.bat` 檔案。
    *   在彈出選項中選擇對應顯存大小的配置。
    *   等待服務啟動，獲取本地地址（127.0.0.1:8080）。
6.  **進行實測**：
    *   訪問本地地址進行對話。
    *   測試程式碼生成（如 3D 遊戲、Chrome 插件）。
    *   測試無審查特性（如壓力測試腳本）。
    *   測試多模態功能（上傳圖片生成 3D 場景）。

## 值得注意的限制或風險

*   **硬體依賴**：雖宣稱 4GB 顯存可跑，但需依賴 Q4 量化版本，可能影響模型精度或複雜任務表現。
*   **編碼問題**：Windows 用戶創建啟動腳本時，若編碼非 ANSI 可能導致腳本無法正確執行。
*   **模型版本混淆**：視覺模型的大小寫區分（小寫 f16 vs 大寫 F16）對功能有直接影響，需嚴格區分。
*   **來源不確定性**：模型名稱 "Qwythos" 及相關訓練數據來源（Claude Mythos, Fable 5）與常見公開資訊可能存在差異，需謹慎評估其真實性與安全性。

## 逐字稿辨識疑點

*   **Qwythos**：逐字稿中多次出現此名稱，與常見開源模型名稱拼寫不同，需查證是否為特定小眾模型或聽寫錯誤。
*   **Mythos**：逐字稿提及 "Claude 最強的Mythos模型" 及 "Claude Mythos"，需查證 Claude 是否有此特定模型版本名稱。
*   **Fable 5**：逐字稿提及 "Fable 5"，需查證是否為特定模型或數據集名稱。
*   **Empero AI**：逐字稿提及 "Empero AI 內部的rethink 系統"，需查證該公司或系統名稱是否正確。
*   **rethink 系統**：需查證是否為特定技術術語或內部系統名稱。
*   **B9776**：逐字稿提及 llama.cpp 最新版本為 "B9776"，需查證該版本號是否準確。
*   **mmpro**：逐字稿提及視覺模型為 "mmpro這個開頭"，需查證該模型前綴是否正確。
*   **小寫的f16 / 大寫的F16**：逐字稿區分多模態模型的大小寫版本（小寫 f16 支援圖片，大寫 F16 僅支援文本），需查證該命名規則是否為實際情況。
*   **Qwythos 與 Qwen 的關係**：逐字稿稱 Qwythos 建立在 Qwen3.5 基礎之上，需查證兩者具體的衍生關係。

## 可延伸追問

*   Qwythos-9B 的訓練數據中，"5 億條推理軌跡" 的具體來源和質量如何評估？
*   "無審查" 特性在實際應用中是否會帶來安全風險或內容準確性問題？
*   4GB 顯存運行 Q4 量化版本時，處理 100 萬 token 上下文的實際效能表現如何？
*   Empero AI 與 Qwythos 模型的具體關係為何？
*   該模型在生產環境中的穩定性與長期維護情況如何？