部署过本地大模型的人，经常遇到这样的困境：7B 的小模型聊天尚可，一遇到复杂推导就逻辑断裂；30B 以上的倒是聪明，但显存堪忧。更无解的是，当你想讨论网络安全协议或生物医药机制时，很多模型的技术探讨都会被安全审查生生掐断。

Empero 开源的 Qwythos-9B-Claude-Mythos-5-1M 一次性解决了这 3 个麻烦。它基于 Qwen3.5-9B 深度后训练，不是盲目堆参数，而是用 500M+ 高质量 Claude Mythos traces 做了一次「推理特训」。相比基础模型 Qwen3.5-9B，Qwythos 在多个评测中实现显著提升，其中 MMLU 提升 34 分，gsm8k-strict 数学推理提升 30 分。

而且 Qwythos 通过 YaRN 支持 1M 超长上下文，整本手册或大型代码库无需再切割；并且遵循 Qwen3.5 tool-call 规范，写代码、调 API 不必再绕复杂的提示词工程；最关键的是无审查限制，分析协议漏洞、探讨药物机制时，它会基于事实逐步推理，而非模板化拒绝。

打开OpenBayes平台，首先点击「公共教程」，找到「Qwythos-9B-Claude-Mythos-5-1M GGUF 推理型大语言模型」，单击打开。

页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

在当前页面中看到的算力资源均可以在平台一键选择使用。平台会默认选配好原教程所使用的算力资源、镜像版本，不需要再进行手动选择。点击「继续执行」，等待分配资源。

等待分配资源，当状态变为「运行中」后，点击「打开工作空间」进入 Jupyter Workspace。

页面跳转后，点击左侧 README.ipynb 文件。

点击运行，运行完毕后，Notebook 输出中会出现可点击的 public URL，大家也可以点击工作空间右侧 API 地址进入 Demo 页面。

点击右侧 API 地址即可打开 Demo 界面。

效果展示：