“9B 小模型，干出 Claude Mythos 味道？我被这个开源怪物惊到了

最近我在找一件事的答案：

能不能用一个本地可部署的开源 9B 模型，尽量复刻出 Claude Mythos / Fable 那种“先认真想一圈再回答”的感觉？

以前我的答案是：基本不可能。
直到我遇到 Qwythos-9B——看完配置、跑完几轮，我的感觉只有四个字：有点离谱。

它到底是什么东西？

用人话讲，Qwythos-9B 就是：

• 底座：Qwen3.5-9B

• 喂料：超过 5 亿条 Claude Mythos / Fable 的推理轨迹

• 行为：习惯先输出一大段 <think>...</think> 推理链，再给最终答案

也就是说，它不只是“变聪明一点的 Qwen 微调”，而是刻意在学：

Claude 那种“真正先推理，再作答”的解题方式。

所以我更愿意把它叫作：Claude 思维方式的开源小号。

它哪里像 Mythos / Fable？

1. 先认真想，再给答案

和一般聊天模型不一样，Qwythos-9B 输出时几乎都会：

1. 先给一个 <think> 块：

   • 拆解问题

   • 尝试不同思路

   • 否定一些错误路径

2. 然后再给出一个相对干净的结论

你能明显感觉到：
它不是在“边说边编”，而是先在脑子里走了一遍推理图，再把结果讲给你听。

2. 真正会“承认不确定”，然后去查

更关键的是，它在设计上就是为了配合工具使用的：

• 原生支持 Qwen3.5 风格函数调用

• 能自动决定什么时候：

  • 用 Python 直接算

  • 用 Web 搜索查

• 对那种容易闭卷翻车的问题（CVE、hashcat 模式、生化位点、药理细节），它倾向于先查清楚再回答

这一点特别像 Mythos / Fable：
不是死撑，而是会主动用工具来给自己兜底。

指标也不丢人：9B 干出 MMLU +34 分

如果只讲“感觉”不讲数据，总有点心虚。
在同等评测条件下，对比原始 Qwen3.5-9B，Qwythos-9B 在几个关键任务上大概是这个档位：

• GSM8K 精确匹配（strict）：从 0.51 → 0.81

• GSM8K 精确匹配（flex）：从 0.67 → 0.86

• MMLU 平均：从 0.232 → 0.575（直接拉高 30 多分）

简单粗暴地讲：

同样 9B，换了这套 “Claude 思维链饲料” 之后，推理能力确实是实打实地跳档了。

最杀的点：1,048,576 token 上下文

如果你做 RAG / 文档 / 代码库分析，这个数字应该会戳中你。

Qwythos-9B 默认启用了 YaRN rope 扩展，把上下文窗口拉到了 约 100 万 tokens：

• 原生架构是 262k

• 现在直接 4×，写死在配置里，加载即用

这直接解锁了几件原来很麻烦的事：

• 整仓代码丢进去做推理

• 十几篇论文 + 笔记 + 草稿一次性塞进 prompt

• Agent 多轮工具调用的长轨迹，持续保留上下文不失忆

配合它的推理风格，你可以尝试一件以前比较难玩的事：

把重度 RAG 缩一半，把更多精力交给“超长上下文 + 工具自纠错”。

它更适合作什么？

站在开发者视角，我觉得它特别适合做这三类项目的“推理引擎”：

• 带工具的 RAG Agent / 知识库助手

• 代码库级别分析 / 重构建议 / bug 定位

• 生物医药 / 网络安全 / 高专业度技术顾问（前提是有工具和人类复核）

一句话概括它的定位：

它不像一个“会聊天的大模型”，更像一个“挂在你显卡上的思考型顾问”。

要注意的现实点

最后讲几句不那么标题党的提醒：

• 它是推理模型：<think> 会很长，接口层最好做解析和截断

• 不适合贪婪/超低温采样：容易在长链推理里转圈

• 是高度不审查的：做 C 端一定要加自己的安全层

• 精确标识符（CVE、剂量、位点等）请让它配合检索或工具，而不是当成真理本体

总结一句话

如果你只想找一个“会聊天”的大模型，那它不是最优解。
但如果你在做：

• RAG / Agent / 工具链

• 代码库 / 多文档 / 长上下文推理

• 想在本地体验尽可能接近 Claude Mythos / Fable 的“思维链体验”

那我会非常建议你认真试试 Qwythos-9B——
这是目前少数真的有“Claude 味道”的开源 9B 推理模型之一。

如果你觉得这篇文章对你有帮助，也欢迎给我一个三连击：点赞、转发和在看；如果可以，再帮我点一个⭐️。谢谢你看到这里，我们下篇再见。