TL;DR

Mythos-nano는 WeiboAI의 VibeThinker-3B를 기반으로 파인튜닝된 3B 텍스트생성 모델로, 수학적 추론과 경쟁적 코딩(LeetCode 스타일) 성능을 중점으로 개발되었다. README의 벤치마크 표는 Mythos-nano가 여러 수학·코딩 벤치에서 높은 점수를 기록했음을 보여주며, 'Mythos-nano + CLR' 변형은 추가적인 성능 향상을 제시한다. 배포 측면에서는 f16 GGUF 빌드와 Q4_K_M 양자화 GGUF 파일을 제공해 로컬·저비용 환경에서의 실행을 지원하며, Transformers 예시에서는 bfloat16·CUDA 로딩을 권장하고 최대 40960 토큰 출력까지 허용한다고 명시되어 있다. 단점으로 거부 동작이 제거된 uncensored 빌드로 안전성 가드가 축소되어 있으며, 도구 호출·에이전트 프로그래밍 관련 데이터로 학습되지 않았다는 경고가 있어 해당 용도에는 적합하지 않다.

핵심 포인트

• 소형(3B) 모델로 수학·코딩 벤치에서 대형 모델에 근접한 성능 표를 제시한 점
• GGUF와 Q4_K_M 양자화 빌드를 동시에 제공해 로컬 및 저자원 배포를 염두에 둔 배포 전략
• 거부 메커니즘을 비활성화한 uncensored 빌드를 공개해 제약 없는 출력이 가능하다는 점(동시에 안전 리스크 존재)
• README에서 'Mythos-nano + CLR' 버전으로 추가 성능 이득을 제시한 점(세부 구현은 미기재)

벤치마크