REDCELL OSINT model: AI chạy local cho tình báo mối đe dọa mạng và điều tra

REDCELL OSINT model running locally for cyber threat intelligence

🇬🇧 Read in English

REDCELL OSINT model là một model mở mới, dành cho tình báo nguồn mở (OSINT), tình báo mối đe dọa mạng (CTI) và công việc điều tra, và bạn có thể chạy ngay trên máy của mình. Nó được chia sẻ công khai trên Hugging Face vào ngày 29/9/2026. Đây là model Mixture-of-Experts với tổng cộng 26 tỷ tham số nhưng chỉ có 4 tỷ hoạt động mỗi lần, cửa sổ context 262K token, và được fine-tune trên khoảng 6.500 chỉ dẫn OSINT/CTI.

REDCELL OSINT model chạy local cho tình báo mối đe dọa mạng

Điểm chính

  • Ra mắt: được chia sẻ trên X và Hugging Face vào ngày 29/9/2026, với tên terrorswift/REDCELL-26B-A4B-OSINT-Cyber-APEX-GGUF.
  • Model nền: bản supervised fine-tune của Gemma 4 26B-A4B từ Google.
  • Kích thước: tổng 26B tham số, 4B hoạt động trên mỗi token, context 262K.
  • Dữ liệu huấn luyện: khoảng 6.500 ví dụ tự tạo, thuộc 4 trục và 33 danh mục con.
  • Giá: tải miễn phí, phát hành theo giấy phép Apache-2.0.
  • Lưu ý: chưa có benchmark chính thức. Tác giả gọi đây là bản phát hành sớm, mang tính thử nghiệm.

Xem nhanh: video tóm tắt 30 giây.

REDCELL OSINT model là gì?

REDCELL là model ngôn ngữ chuyên biệt cho nhà phân tích, nhà nghiên cứu và nhà báo điều tra. OSINT nghĩa là thu thập thông tin tình báo từ các nguồn công khai. CTI, tức tình báo mối đe dọa mạng, nghĩa là theo dõi xem ai đang tấn công hệ thống và tấn công bằng cách nào.

Theo bài đăng trên X giới thiệu model, nó được huấn luyện cho:

  • Quy kết tác nhân đe dọa: liên kết một cuộc tấn công với nhóm có khả năng đứng sau.
  • IoC pivoting: xuất phát từ một chỉ báo xâm nhập (IoC), như tên miền đáng ngờ hoặc mã băm file, rồi lần theo đến các bằng chứng liên quan.
  • Định vị địa lý: xác định một sự việc xảy ra ở đâu hoặc một bức ảnh được chụp ở đâu.
  • Chấm điểm nguồn theo Admiralty: đánh giá độ tin cậy của nguồn và độ xác thực của thông tin, một phương pháp phổ biến trong công việc tình báo.

Model card trên Hugging Face nói REDCELL được huấn luyện để “đưa ra kỹ năng nghiệp vụ của nhà phân tích cấp cao thay vì rào đón theo phản xạ với công việc điều tra hợp pháp”. Nói đơn giản, nó được thiết kế để trả lời thẳng các câu hỏi điều tra thật, thay vì từ chối hoặc thêm những lời miễn trừ chung chung.

Điều này quan trọng vì, như bài đăng trên X viết, nhiều “model bảo mật” thực chất chỉ là một model đa dụng kèm system prompt. REDCELL là một bản fine-tune thật sự: chính dữ liệu huấn luyện thay đổi cách model hành xử.

REDCELL được huấn luyện thế nào?

Model card mô tả những lựa chọn sau:

  • Thích ứng miền dựa trên kho dữ liệu. Tác giả không dùng “abliteration”, kỹ thuật loại bỏ hành vi từ chối khỏi trọng số của model. Họ bắt đầu từ model instruction chuẩn Gemma 4 26B-A4B và để dữ liệu huấn luyện định hình hành vi. Model card nói model “vẫn giữ phán đoán riêng về việc hỗ trợ tấn công thật sự”, nên nó không phải model không kiểm duyệt hoàn toàn.
  • Dữ liệu có căn cứ. Mỗi bản ghi huấn luyện đều được đối chiếu với tài liệu tham chiếu uy tín, như các framework OSINT, sổ tay xác minh và MITRE cho mảng an ninh mạng, thay vì được sinh ra từ trí nhớ của một model khác.
  • Huấn luyện nhẹ. Đây là bản LoRA fine-tune 2 epoch. Tác giả cho biết eval loss giảm đều và không tăng trở lại, điều họ hiểu là không có overfitting gây hại.
  • Có cả thị giác. REDCELL thừa hưởng khả năng hiểu ảnh của Gemma 4 trong các trọng số BF16 và F16, nhưng không có bước fine-tune riêng cho thị giác.

Thông số và benchmark của REDCELL OSINT model

Hiện chưa có benchmark chính thức. Model card nói các benchmark về năng lực và hành vi từ chối “có thể được bổ sung ở bản sửa đổi sau”. Dưới bài đăng trên X, một người dùng đã hỏi thẳng: “Có eval nào không? Làm sao SFT một reasoning model mà không làm nó kém đi?”

Dưới đây là những gì đã biết, dựa trên số liệu do tác giả công bố:

Thông sốREDCELL
Model nềnGoogle Gemma 4 26B-A4B
Kiến trúcMixture-of-Experts (MoE)
Tổng số tham số26B
Tham số hoạt động4B
Cửa sổ context262K token
Phương pháp fine-tuneSupervised fine-tune (SFT), LoRA 2 epoch
Số ví dụ huấn luyện~6.500 (4 trục, 33 danh mục con)
Định dạngGGUF quant, cùng trọng số 8-bit và 16-bit
Giấy phépApache-2.0

Vì sao “4B active” quan trọng?

Trong model Mixture-of-Experts, mỗi token chỉ dùng một phần của mạng (các “expert”). REDCELL có 26B tham số trên ổ đĩa, nhưng tại mỗi thời điểm chỉ khoảng 4B làm việc. Nhờ vậy việc chạy local trở nên khả thi.

Giá REDCELL là bao nhiêu?

Bản thân REDCELL miễn phí.

Hạng mụcChi phí
Tải modelMiễn phí trên Hugging Face
Giấy phépApache-2.0, vì là bản phái sinh của Gemma 4
Phí cloudKhông có, nếu bạn chạy trên phần cứng của mình

Chi phí thật của bạn là phần cứng. Nguồn không nêu chính xác yêu cầu bộ nhớ cho từng file, nên hãy đối chiếu dung lượng file trên trang Hugging Face với GPU hoặc RAM của bạn trước khi tải.

Nên tải file REDCELL nào?

Tất cả phiên bản quantized nằm trong một repository Hugging Face, định dạng GGUF. GGUF là định dạng file cho model nén (“quantized”) dùng trong các runtime local xây trên llama.cpp.

  • Bắt đầu với I-Balanced. Model card gọi đây là lựa chọn mặc định được khuyến nghị.
  • Các bản “I-” có cùng kích thước và kiểu tensor với bản không có I. Khác biệt là chúng được quantize bằng importance matrix, giúp giữ chất lượng khi nén. Ma trận này được đặt trọng số khoảng 70% lên dữ liệu huấn luyện của chính REDCELL và 30% lên một bộ hiệu chuẩn chung.
  • Các tầng APEX (như Balanced và Quality) dùng phương pháp nhận biết MoE, nén mạnh nhất các expert được định tuyến và giữ attention, expert dùng chung và các lớp đầu ở độ chính xác cao hơn.
  • Trọng số 8-bit và 16-bit cũng được liệt kê cho người có nhiều bộ nhớ hơn. Trọng số 16-bit có kèm khả năng thị giác.

Một lưu ý kỹ thuật từ model card: một số tensor expert của Gemma 4 không khớp với vài định dạng quant, nên độ chính xác thực tế trong file có thể lệch đôi chút so với mục tiêu danh nghĩa của tầng đó. Bảng trên trang Hugging Face cho thấy các kiểu thực tế.

Cách chạy REDCELL local

  1. Mở repository Hugging Face terrorswift/REDCELL-26B-A4B-OSINT-Cyber-APEX-GGUF.
  2. Tải file GGUF I-Balanced, hoặc tầng khác phù hợp với phần cứng của bạn.
  3. Nạp nó vào một runtime local tương thích GGUF.
  4. Dùng operational system prompt được đăng trên model card. Tác giả nói dùng đúng prompt mà REDCELL được huấn luyện sẽ “củng cố bản sắc và hành vi mà model hướng tới”.
  5. Hãy coi mọi câu trả lời là một manh mối, không phải kết luận. Tác giả viết rằng bạn “nên tự kiểm chứng tất cả, đúng như với bất kỳ manh mối OSINT nào khác”.

Vì mọi thứ chạy trên máy của bạn, dữ liệu vụ việc không cần gửi lên dịch vụ AI cloud.

REDCELL OSINT model có đáng thử không?

Ưu điểm

  • Được xây cho các tác vụ OSINT và CTI thật, không chỉ là model đa dụng kèm prompt bảo mật.
  • Chạy local, hợp với các cuộc điều tra nhạy cảm.
  • Context dài 262K cho báo cáo lớn và log dump.
  • Dữ liệu huấn luyện có căn cứ từ các nguồn như MITRE và sổ tay xác minh.
  • Miễn phí theo Apache-2.0.

Nhược điểm

  • Chưa có benchmark chính thức, nên độ chính xác chưa được kiểm chứng.
  • Bản phát hành sớm, thử nghiệm. Hành vi có thể thay đổi.
  • Chỉ có khoảng 6.500 ví dụ huấn luyện, một bộ dữ liệu nhỏ.
  • Cộng đồng còn băn khoăn về việc chất lượng có giảm sau khi fine-tune hay không.

Kết luận: REDCELL đáng thử nếu bạn đã làm OSINT hoặc threat intel và muốn một trợ lý riêng tư chạy local. Hãy coi nó là người hỗ trợ, không phải nguồn sự thật, cho đến khi có đánh giá độc lập.

Góc nhìn của Trạm: một model local như REDCELL OSINT model hợp nhất ở nơi quyền riêng tư quan trọng hơn độ chính xác thuần túy, ví dụ ghi chú vụ việc mà bạn không thể tải lên dịch vụ cloud. Cho đến khi có benchmark độc lập, hãy dùng nó cùng một model đa dụng và kiểm tra tay từng manh mối.

Nếu bạn chạy model local, mẫu prompt cho Ollama của chúng mình có thể giúp ích. Về lý do các công cụ chat cloud có thể làm lộ dữ liệu, xem nghiên cứu về quyền riêng tư của AI chatbot, và đọc về AI agent đi chệch hướng để biết rủi ro bảo mật của AI tự chủ.

Câu hỏi thường gặp về REDCELL OSINT model

REDCELL OSINT model là gì?
REDCELL là bản fine-tune của Gemma 4 26B-A4B từ Google, dành cho OSINT, tình báo mối đe dọa mạng và báo chí điều tra. Nó chạy local và được đăng trên Hugging Face.

REDCELL có miễn phí không?
Có. Nó phát hành theo giấy phép Apache-2.0 và trọng số tải miễn phí.

Nên tải file REDCELL GGUF nào?
Model card khuyến nghị I-Balanced làm lựa chọn mặc định.

REDCELL có phải model không kiểm duyệt không?
Không. Tác giả nói nó không bị abliterate hoàn toàn. Nó bỏ thói rào đón theo phản xạ với phân tích hợp pháp nhưng vẫn giữ phán đoán riêng về việc hỗ trợ tấn công thật.

REDCELL có benchmark không?
Chưa. Tác giả nói benchmark chính thức có thể được bổ sung ở bản sửa đổi sau.

Nguồn tham khảo

Trạm Công Nghệ AI
Logo
Compare items
  • Total (0)
Compare
0