Qwen3.8 Flash Next Abliterated

OrcaCyber Qwen3.8 Flash Next Abliterated to szybka i opłacalna klasa z linii OrcaCyber — model cyberbezpieczeństwa zaprojektowany specjalnie do autoryzowanych badań bezpieczeństwa i inżynierii bezpieczeństwa. Obejmuje pełny cykl pracy ofensywnej i defensywnej: badanie i odtwarzanie podatności, opracowywanie exploitów i budowę proof-of-concept, testy penetracyjne i narzędzia red-team, audyty bezpieczeństwa i przegląd bezpiecznego kodu, analizę malware'u i binariów, triage logów i ruchu sieciowego, inżynierię detekcji oraz wieloetapowe rozumowanie w zakresie cyberbezpieczeństwa. Zachowanie odmowy zostało usunięte, dzięki czemu model bezpośrednio podejmuje zadania z zakresu bezpieczeństwa ofensywnego, których odmawiają asystenci ogólnego przeznaczenia. Osiąga 58,7 w DeepSWE 1.1 i 62,5 w SWE-bench Pro w kodowaniu agentowym, 91,9 w LiveCodeBench v6, 91,7 w GPQA Diamond w rozumowaniu naukowym oraz 73,5 w Toolathlon Verified w rzeczywistym użyciu narzędzi. Model jest multimodalny — przyjmuje dane wejściowe w postaci tekstu, obrazu i wideo, więc zrzuty ekranu interfejsów i stanów błędów, diagramy sieci i architektury, dashboardy, nagrane sesje i zeskanowane materiały mogą być analizowane razem z kodem źródłowym i długim kontekstem tekstowym. Okno kontekstu natywnego o rozmiarze 262 144 tokenów — rozszerzalne do 1M — pozwala umieścić całe repozytoria, duże zestawy logów, zrzuty pakietów lub listingi deasemblacji w jednym wywołaniu bez potoku wyszukiwania, a limit wyjścia do 131 072 tokenów wspiera długie artefakty generowane w jednym przebiegu — kompletne raporty z audytu, opatrzone adnotacjami łańcuchy exploitów lub rozbudowane diffy poprawek. Tryb myślenia jest domyślnie włączony i można go wyłączyć w wywołaniach wrażliwych na opóźnienia, z wybieralnym poziomem intensywności rozumowania (low / medium / xhigh); natywne wywoływanie funkcji i strukturalne wyjście JSON sprawiają, że model dobrze nadaje się do agentowych narzędzi bezpieczeństwa, które planują, wywołują narzędzia i zwracają wyniki możliwe do parsowania maszynowego. Jako klasa Flash jest dostrojony do pracy o wysokiej przepustowości i długim kontekście, gdzie liczy się koszt na token — triage podatności na dużą skalę, masowe audyty kodu i konfiguracji oraz pętle agentowe przenoszące dużo stanu — a nie do jednorazowych zadań wymagających najcięższego rozumowania, do których lepiej pasują cięższe klasy OrcaCyber. Udostępniany przez API zgodne z OpenAI i objęty kontrolą dostępu na poziomie Security Research dla zaufanych badaczy bezpieczeństwa, zespołów red team i autoryzowanych testów bezpieczeństwa.