# TMax v1.1: открытые 2B и 9B для локальных терминальных агентов

Источник: https://modelium.tech/zhurnal/tmax-v1-1-2b-9b-local-terminal-agents/

TMax v1.1 — две текстовые модели 2B и 9B, дообученные для работы терминального агента на базе Qwen3.5. Веса обоих вариантов выложены 5 октября 2026 года под Apache 2.0. Автор выбирал чекпойнты по TB-Lite и публикует отдельные результаты Terminal-Bench 2.1; это не независимые тесты Modelium. Для практического использования нужен отдельный агентный цикл с изолированными инструментами, а авторский пример vLLM на восьми GPU не задаёт минимальные аппаратные требования.

TMax v1.1: открытые модели 2B и 9B для терминальных агентов

5 октября 2026 года появились два чекпойнта TMax v1.1 — 2B и 9B. Это дообученные на задачах работы с терминалом текстовые модели на базе Qwen3.5, а не самостоятельный агент с готовой песочницей. Их можно развернуть на собственном сервере и подключить к агентному циклу, который выдаёт команды, контролирует права и проверяет результат. Веса обеих версий доступны в Hugging Face. [s1](#src-s1) [s2](#src-s2)

## Что опубликовано

В репозитории `hamishivi/tmax-v1.1-9b` на закреплённой ревизии `290a28850886a6beb1ecef1fce3c6a9bc830e484` лежит единый `model.safetensors` и файлы конфигурации и токенизатора; выбранный для `main` шаг обучения — 200. У `hamishivi/tmax-v1.1-2b` ревизия `6250a258a73f59298a0c9a28e8eeb07b7a673fca`, а выбранный шаг — 400. Манифесты содержат ссылки на исходные ревизии чекпойнтов и результаты оценки, в том числе промежуточные шаги 100–500. Даты создания репозиториев HF — 5 октября 2026 года; это не дата исходной статьи о TMax. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

Обе карточки помечены Apache 2.0, исходные Qwen3.5-9B и Qwen3.5-2B тоже имеют метку Apache 2.0. Это открытые веса с разрешённым коммерческим применением на условиях лицензии, но не обещание, что работа агента с произвольными командами безопасна. Отдельный репозиторий кода TMax также помечен Apache 2.0; лицензия кода и лицензии весов проверяются раздельно. Автор указывает intended use для исследований и обучения и ссылается на рекомендации ответственного применения Ai2. [s1](#src-s1) [s2](#src-s2) [s5](#src-s5) [s6](#src-s6)

## Как читать результаты автора

Для **9B** автор сообщает 65,62 ± 2,03% на TB-Lite для выбранного шага 200 и 29,55 ± 1,78% на Terminal-Bench 2.1. Для **2B** — соответственно 17,78 ± 1,47% на TB-Lite для шага 400 и 5,30 ± 0,93% на Terminal-Bench 2.1. Чекпойнты выбирали по **TB-Lite**, а не по Terminal-Bench 2.1. Карточки описывают 96 задач TB-Lite и 88 задач Terminal-Bench 2.1, по три попытки на задачу, фиксированный harness Vanillux0.2.3 с Sandfleet через Harbor. Манифесты подтверждают агрегаты 288 и 264 выполненных запусков соответственно; остальные строки машинного отчёта имеют иные знаменатели, поэтому их нельзя складывать или выдавать за тот же тест. Это результаты авторов, не независимое испытание Modelium. Условия оценки v1.1 отличаются от прежней публикации v1.0 — прямое сравнение процентов без выравнивания методики некорректно. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

## Выбор для локального пилота

Если нужно проверить идею терминального агента на собственных задачах, сравните обе модели на одинаковой песочнице и небольшом наборе реальных команд: 9B существенно сильнее в заявленных тестах, а 2B — меньший по числу параметров вариант с заметно более слабым результатом. Размер `model.safetensors` — около 17,9 млрд байт у 9B и 3,76 млрд байт у 2B — это размер скачивания файла, **не** минимальный объём RAM или VRAM. Скорость, пригодность конкретной GPU и поведение в ваших сценариях здесь не измерялись. [s1](#src-s1) [s2](#src-s2)

Карточки дают пример обслуживания через `vllm==0.19.1` с парсером инструментов `qwen3_xml`, длиной контекста 65536 и tensor parallel 8. Это **авторская конфигурация примера**, не минимальные требования и не проверенная Modelium команда для иной версии vLLM или одной видеокарты. Перед интеграцией закрепите ревизию модели, согласуйте версию vLLM и формат tool calls с агентным клиентом, ограничьте файловую систему и сеть песочницы и выполните пробное задание с сохранением следа действий. Локальное исполнение модели само по себе не ограничивает полномочия запускаемых ею инструментов. [s1](#src-s1) [s2](#src-s2)

## Источники

1. [TMax v1.1 9B — карточка и закреплённые веса](https://huggingface.co/hamishivi/tmax-v1.1-9b/tree/290a28850886a6beb1ecef1fce3c6a9bc830e484) — получено 2026-10-06
2. [TMax v1.1 2B — карточка и закреплённые веса](https://huggingface.co/hamishivi/tmax-v1.1-2b/tree/6250a258a73f59298a0c9a28e8eeb07b7a673fca) — получено 2026-10-06
3. [TMax v1.1 9B — машинно-читаемый release manifest](https://huggingface.co/hamishivi/tmax-v1.1-9b/blob/290a28850886a6beb1ecef1fce3c6a9bc830e484/release_manifest.json) — получено 2026-10-06
4. [TMax v1.1 2B — машинно-читаемый release manifest](https://huggingface.co/hamishivi/tmax-v1.1-2b/blob/6250a258a73f59298a0c9a28e8eeb07b7a673fca/release_manifest.json) — получено 2026-10-06
5. [Qwen3.5 9B и 2B — исходные модели с Apache 2.0](https://huggingface.co/Qwen/Qwen3.5-9B) — получено 2026-10-06
6. [TMax — исходный код и лицензия Apache 2.0](https://github.com/hamishivi/tmax) — получено 2026-10-06