新闻、仓库与研究，按时间排列。
Uniboshi/Hy-Memory-30B-A3B-Abliterated-V1 的 MXFP4 量化版本已在 Hugging Face 开放访问，需同意条件后下载。该模型可用 Transformers、vLLM、SGLang 及 Docker Model Runner 运行，vLLM 和 SGLang 均提供 OpenAI 兼容 API。模型用于对已授权资产的防御性用途。
huihui-ai 基于 Qwen/Qwen3.8-Flash-Next 通过 abliteration 技术移除拒绝行为，发布去审查的 GGUF 版本 v2。相比第一版调整了消融重点，且未对专家（experts）进行消融，适合小说写作和编程。该版本安全过滤大幅降低，建议用于研究、测试或受控环境，支持最新 llama.cpp，示例命令上下文长度为 262144。
mradermacher 在 Hugging Face 上提供 NeoHorse-1-9-Uncensored-i1-GGUF 量化模型（如 Q4_K_S 版本），可通过 llama.cpp 直接运行。该模型支持 llama serve 启动本地 OpenAI 兼容服务器，也可在 Ollama、Docker Model Runner、LM Studio、Jan、Pi、Hermes、OpenClaw 等工具中使用。
TendieLabs 在 Hugging Face 上发布 Swift-1.5-Qwen3.8-27B-Uncensored 的 EXL3 6.0bpw 量化版本。该模型基于 Qwen/Qwen3.8-27B，经 ukisai/Swift-1.5-Qwen3.8-27b 与 ajgazin/Swift-1.5-Qwen3.8-27B-Uncensored-MTP 微调而来。目前无 Inference Provider 部署，README 为空，下载量未被统计。
Hugging Face 上线 mradermacher 制作的 LFM2.5-24B-A2B-Uncensored-Heretic 静态量化 GGUF 模型仓库。该模型目前未被任何 Inference Provider 部署，下载量未被追踪，用户可申请提供推理支持。
mradermacher 在 Hugging Face 上提供 Irwan-LightOnOCR-3-0.8B-abliterated 的 GGUF 量化版本，支持 Q4_K_M 等量化格式。该模型为 image-text-to-text 类型，可通过 Transformers、llama.cpp、vLLM、SGLang、Ollama、Docker 等多种方式加载或启动 OpenAI 兼容 API 服务。
Hugging Face 发布 mradermacher/NeoHorse-1-9-Uncensored-GGUF 量化模型的使用说明，涵盖 Q4_K_S 量化版本。用户可通过 llama.cpp 在本地启动 OpenAI 兼容服务器或终端直接推理，也可用 Ollama、Docker Model Runner、LM Studio、Jan、Pi、Hermes、OpenClaw 等工具加载运行。
Costume/christAIn-uncensored-Q4_0-GGUF 由 Emmet-Allen/christAIn-uncensored 经 llama.cpp 转换为 GGUF 格式，通过 ggml.ai 的 GGUF-my-repo 空间生成。模型可通过 llama-cli 或 llama-server 直接调用，server 模式支持 -c 2048 上下文设置，也可在 llama.cpp 仓库中按步骤编译后运行推理。
VicTeam Agency 基于 Alibaba Qwen 的 Qwen3.8-27B（Apache 2.0）发布去审查版 GGUF 模型，采用 huihui-ai 社区的 abliteration 去除拒答、Unsloth 动态量化，面向单显卡本地智能体开发。提供 Q4_K_XL（约 17.4 GB，质量优先）和 IQ4_XS（约 14.4 GB，可完整装入 16 GB 显存、速度更快）两种量化，可通过 llama.cpp（llama-server --jinja）和 llama-swap 运行。
Hugging Face 上架了 infercom 的 Qwen3.8-Flash-Next-Uncensored-4Q-MTP-GGUF 模型仓库。该模型目前没有部署到任何 Inference Provider，下载量未被统计，README 文件为空。
tatekuperus 在 Hugging Face 发布基于 Qwen/Qwen3.6-27B 的多阶段微调与合并模型 Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic GGUF 量化版，作者称其为首个在 8bit 和 4bit 下 ARC-C 超过 700 的该规模微调。去审查由 trohrbaugh 用 Heretic v1.2.0+custom 的 Arbitrary-Rank Ablation 方法完成，拒绝率从原版 99/100 降至 4/100，KL 散度 0.0469；作者给出的基准显示该模型在 7 项基准中 6 项超过 Qwen3.6-27B 基座。
推荐理由：作者给出 Heretic 消融方法与去审查前后拒绝率对比，并附多组基准和第三方实测数据，可核对去对齐是否损伤模型能力。
FrosT-LyRo 在 Hugging Face 发布 Qwen3.5-40B-Claude-4.6-Opus-Deckard-Heretic-Uncensored-Thinking 的 imatrix 加权 i1-GGUF 量化版本，提供从 i1-IQ1_S（8.8 GB）到 i1-Q6_K（32.2 GB）的多档量化文件，其中 Q4_K_S 被标注为大小、速度与质量的最优平衡，Q4_K_M 为推荐选项。该模型为视觉模型，mmproj 文件放在单独的 static 仓库中，静态量化版本另行提供。
NVIDIA 在 Hugging Face 发布 4B 参数的循环（latent-recurrent）模型 NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16，采用 normalized-GPT 架构，通过重复应用共享 Recurrent 块（8 层输入、20 层循环、8 层输出）让每个 token 获得更多计算。单一 checkpoint 可设 1-4 个循环，无需重训即可权衡算力与精度，官方推荐默认 2 循环，并支持 last-loop KV caching 使 KV cache 开销保持在一循环大小。
推荐理由：同一个 checkpoint 可调循环次数换精度，作者还给出各 loop 数的实测对比与 KV cache 省显存方案，适合关注小模型推理成本的人。
Wei Wang 在 arXiv 发布 FUTRANSFORMER，一个面向 NVIDIA Hopper GPU 的 Llama 风格 Transformer 推理 CUDA 实现，prefill 用 FP8、decode 用 INT4 权重和 INT4 KV-cache，并采用块对角 Hadamard 变换降低缓存量化误差。
推荐理由：论文给出 Llama 推理在 H100 上 FP8 prefill 与 INT4 decode 的具体实现和量化精度代价，数字可核对、方法可参考。
edp1096 在 Hugging Face 发布 Huihui-Qwen3.8-Flash-Next-abliterated-FP4-Local，将经审计的 Huihui v2 修改从匹配的 Unsloth/Huihui Q8_0 权重迁移到 NVIDIA FP4-Local 检查点，变更投影重建后取整为 BF16 并编码为 MXFP8，NVFP4 专家、PLE、MTP、视觉与 tokenizer 保留 NVIDIA 原始字节。
推荐理由：原文给出了量化 delta 迁移的具体做法和 DGX Spark 上的运行测试记录，读者可以据此判断该检查点的实际可用状态。
TTPPCC121 等多人协作发布基于 Qwen3.8-27B 的多阶段微调 GGUF 版本，8bit ARC-C 735、ARC-E 882，4bit ARC-C 719，均高于原版 Qwen3.8-27B（8bit ARC-C 0.591）。模型用 Heretic v1.2.0+ARA 方法去对齐，Stage 1 拒绝率从 99/100 降到 0/100，KL 散度 0.0535；思考 token 减至原版的 1/2 到 1/10。提供常规与 MTP 两种 GGUF，Q4_K_S 下常规约 75 t/s、MTP 可超 90 t/s（5090、LMStudio 实测），支持 256k 上下文与视觉（需另下 mmproj 文件）。
同一新闻，精选展示《TopherAU 发布 Qwen3.8-27B TURBO 去审查 GGUF 微调版，ARC-C 达 735》
Reflection 新实验室的首个模型 Beam 在 Hugging Face 开源，为 501B 参数 MoE（每 token 激活 23B），支持 1M token 上下文，采用 Apache 2.0 许可，主打编码与智能体场景。提供 BF16、FP8、NVFP4 三种检查点，transformers、vLLM、SGLang 均已 day-0 支持，并附 LoRA SFT 与 Miles GRPO 训练配方；Hub 上分享用 Beam 构建的项目可竞争 10,000 美元额度。
推荐理由：官方博客给出架构细节、三档精度的实测跑分和从推理到 SFT、RL 的完整部署与训练配方，便于评估上手成本。
Reflection 首个开放权重模型 Beam 于10月16日发布，Ollama 作为 day-zero 合作伙伴限时免费提供，Beam 端点全程零数据保留（ZDR）。Beam 是 MoE 模型，总参数约501B、每 token 激活23B，上下文窗口100万 token，采用 Apache 2.0 许可，面向软件工程、推理和长程 Agent 任务，可通过 ollama run beam:cloud 或 Claude Code、Codex、OpenCode 调用。
推荐理由：官方公告同时给出与 Kimi K3、GLM 5.3 等模型的 Agent Coding 跑分对照表，读者可直接比较 Beam 在各编码基准上的位置。
Hugging Face 上架 webmp3/Sakura-FLUX.3-Image-Klein-PromptUpsampler-Uncensored-GGUF 模型，提供 Q4_K_M 量化版本。页面给出 llama.cpp、vLLM、Ollama、Docker Model Runner、Lemonade 等多种本地部署方式，并支持通过 OpenAI 兼容 API 调用。
Hugging Face 上架模型仓库 yinpeach/Qwen3.8-27B-Uncensored-HauhauCS-Aggressive-MTP-NVFP4-NINFER，其 README.md 目前为空。该模型未被任何 Inference Provider 部署，下载量也未纳入统计，用户可申请提供推理支持。
donghanasd 在 Hugging Face 发布 Huihui-Qwen3.8-27B-Coder390-EfficientThink-abliterated 的韩语校准混合精度 GGUF，约 12.60 GB、3.69 bits per parameter，从上游 BF16 GGUF 直接量化。量化使用 708 个 512 token 块收集的 importance matrix，张量精度分配沿用 Qwen3.8-27B-Ridge-GGUF，保留 tokenizer、chat template 和 MTP tensors，未做韩语额外训练也未验证韩语质量提升。
Orca 发布 27B 视觉语言推理模型 OrcaCyber Nano 1.0，主打防御安全场景，以 GGUF 格式开源，可在本地硬件离线运行，支持逆向工程、漏洞分析、安全代码审查、事件分诊与视觉输入。模型上下文长度 262,144 tokens，内置 MTP 投机解码并支持 DFlash2 draft 文件，主权重 15.70 GB，另有适配 16 GB 显卡的 12.99 GB 版本；基准成绩包括 MATH-500 98.60%、AIME 2025 96.23%、SWE-bench 78.4%，可直接在 llama.cpp 中加载。
JackKnifeAI 上架 Gemma-4-E4B-abliterated-GGUF，内容为 huihui-ai 对 Google Gemma 4 E4B-it 做 abliteration 处理后的模型，由 mradermacher 量化为 Q4_K_M，原样复制自 mradermacher/Huihui-gemma-4-E4B-it-abliterated-GGUF。许可证为 Apache-2.0，每个文件均附大小与 SHA-256 校验。
huihui-ai 发布 Qwen/Qwen3.8-27B 的 abliterated 去审查版本，通过 abliteration 技术移除模型拒绝回答的行为，仅消融部分层（如 22 至 52 层），MTP 与视觉部分未改动。提供 Q2_K_L 至 Q8_0_L 等多种量化格式，可通过最新版 ollama（huihui_ai/Qwen3.8-abliterated）或 llama.cpp 运行，支持 -c 262144 上下文。模型安全过滤大幅降低，建议用于研究测试而非生产环境。
huihui-ai 基于 abliteration 技术发布 Qwen/Qwen3.8-Flash-Next 的去审查 GGUF 版本，移除模型拒绝回答行为，无需 TransformerLens。新增 Unsloth 系列与 Swift 系列 GGUF，均支持最新版 Strata 和 llama.cpp，可用 llama-cli 加载 UD-Q4_K_XL 量化文件并将上下文设为 262144。该模型安全过滤大幅降低，可能生成敏感或不当内容，建议仅用于研究、测试或受控环境。
webmp3 在 Hugging Face 上提供 Sakura-FLUX.3-Image-Klein-TextEncoder-Uncensored-GGUF 模型，默认量化版本为 Q4_K_M。该模型可通过 llama.cpp 的 llama serve / llama cli 直接运行，也支持 Docker、Ollama、LM Studio、Jan、Pi、Lemonade、Hermes Agent、OpenClaw 等多种本地部署方式。
Hugging Face 发布 uncensored 模型 dolor4dollar/supergemma4-26b-uncensored-gguf-v2 的 GGUF 版本，提供 Q4_K_M 量化。该模型可通过 llama.cpp、vLLM、Ollama、Docker Model Runner、Lemonade 等工具本地运行，支持启动 OpenAI 兼容 API 服务器或在终端直接推理，并可接入 Pi、Hermes Agent、OpenClaw 等智能体工具。
candor-lab 用自研权重编辑工具 Candor 移除 Qwen3.5-9B 的拒绝行为，以 rank-1 编辑每层 attention 与 MLP 输出矩阵，发布单个 Q4_K_M GGUF 文件（5.78 GB）。实测 288 条 StrongREJECT 有害提示拒绝数从 279 降到 0，无害提示拒绝 5 降到 2，GSM8K 正确数与原模型差异在噪声内；与 heretic 最佳试验相比，有害提示中位思考 token 为 996 对 1648，数学超预算次数也更少。基于 Qwen/Qwen3.5-9B 原始 16 位权重，不含视觉编码器，Apache 2.0 协议，仅用 llama.cpp b11524 在思考开启下实测，LM Studio 和 Ollama 等未验证。
推荐理由：原文给出与原模型和 heretic 对照的拒绝率、KL 散度和 GSM8K 数据，可据此判断这次权重编辑的代价与效果。
Redshir4t 将 huihui-ai/Huihui-Qwen3-4B-Instruct-2507-abliterated 转换为 Q4_K_M 量化的 GGUF 格式并上传至 Hugging Face。该模型可通过 llama.cpp 的 llama-cli 或 llama-server 直接加载运行，支持通过 brew 安装，并可用 LLAMA_CUDA=1 等编译选项适配 Nvidia GPU。
huihui-ai 发布 Qwen/Qwen3.8-27B 的 abliterated 去审查 GGUF 版本，通过 abliteration 技术移除模型拒答行为，仅对部分层（如 22 至 52 层）做消融，MTP 与视觉部分未改动。提供 Q2_K_L 至 Q8_0_L 等多种量化格式，支持最新版 ollama（huihui_ai/Qwen3.8-abliterated）和 llama.cpp（-c 262144），适合研究测试用途。
Hugging Face 上架 abliterated 模型 NateVoid/Huihui-Qwen3.8-27B-abliterated-Underdog-Saluki-Swift-1.5-IQ2-Ninfer。该模型页 README 为空，暂无下载统计，也未部署到任何 Inference Provider。
一项 arXiv 研究提出“变体碎片化”问题，指出混合纳瓦特语（Nawatl）多种变体的语料会生成不属于任何语言社区的人为语域。研究基于 70,000 双语对多变体基础，用 2,665 平行对和 192 句长者转写句子，将 mT5-large 特化为 Santa Ana Tlacotenco 的 Masewalkopa（nhn）变体，所得 LoRA-v9c-b 模型取得 58.46 dev chrF++；有限状态分析器将未分析表层形式从 82.0% 降至 19.9%，CTranslate2 int8 量化把 CPU 延迟从 137.5 秒降至 1.8-2.6 秒，支持低成本 Cloud Run 部署。
HauhauCS 在 Hugging Face 发布 Qwen3.8-27B 的无对齐 Aggressive 变体 GGUF 量化，实测 0/465 次拒绝，直接作答且几乎无前导语。全系列保留原生 NextN 头并附带 FastMTP 32K 加速 sidecar，在 Q8_K_P 上文档 TG 最高达非 MTP 的 3.02x、推理 TG 1.93x，比标准内嵌 MTP 再快 35.2%/21.1%；提供 Q8_K_P 到 IQ2_M 多档量化与 BF16 视觉 projector，基于 Apache 2.0 许可，需 llama.cpp 补丁启用 FastMTP。
研究者提出 DPA-MoE，一个运行时精度控制框架，让 MoE 模型中被路由的专家支持任意精度。该方法用 SharedScale AnyBCQ 将专家前馈权重编码为可前缀解码的分块，并在推理时依据实时 router gate 分数分配。在 Qwen3-30B-A3B 和 DeepSeekMoE-16B 上的实验显示，相同预算下 DPA-MoE 比均匀分块分配改善了 KL 散度和下游准确率，原型系统稳态吞吐开销适中。
一项 arXiv 研究发现，Block Influence（BI）深度剪枝的排序依赖校准分布：在 Qwen2.5-1.5B-Instruct、Llama-3.2-1B 和 Gemma-2-2B 上，印地语、马拉地语和泰米尔语的后期 block BI 比英语高 20.7-55.5%，仅用英语校准会系统性漏选这些层。用等量的英语、印地语和马拉地语数据平均校准可缓解困惑度损害，但效果并非在所有架构和剪枝预算下通用，需逐一验证。
HyCo 将服务器模型的 MTP 头部署到设备端执行，结合一次 SLM 前向作为备选分支，通过量化、受限词表和 1K-token 窗口适配移动 NPU。在 Galaxy S26 Ultra 上经 LTE/5G 测试，HyCo 在 Spec-Bench 上较服务端 MTP 自推测减少 38.6% 的服务器 GPU 时间，在 32K-token 摘要任务上减少 29.2%；相比仅用 SLM 草稿多节省 9.0 个百分点、提速 1.9x，且输出质量与 Cloud+MTP 基本持平。
AtomicChat 将 NVIDIA Nemotron 3.5 Super VL 120B-A12B 的拒绝行为从权重中移除，发布 Atomic Dynamic GGUF 量化版本。JailbreakBench 拒绝率从 95.1% 降到 0%，俄语红队提示从 76% 降到 2%，MMLU 保持 85.05% 到 85.10% 基本不变；方法基于 Arditi et al. 2024 的单一方向拒绝机制，对写入残差流的 128 个矩阵做投影编辑，提供 AD-Q4_K_S、AD-IQ3_XXS、AD-Q2_0_L 三档量化，上游 llama.cpp 可直接运行。
推荐理由：原文给出拒绝率前后对比、MMLU 对照和量化误差数据，读者可以据此判断这次去对齐编辑的代价到底有多大。
notfakerv/LFM2.5-24B-A2B-abliterated-MLX-4bit 是 abliterated 版 LFM2.5-24B-A2B 的 MLX 4-bit affine 量化转换，权重 13.49 GB，直接由 BF16 检查点转换而非 GGUF 重量化，需 MLX LM >= 0.32.0 与 MLX >= 0.32.2。该模型为 always-thinking 推理模型，建议 24 GB 统一内存起步；验证限于冒烟与数值检查，未做 Apple Silicon 运行时测试或速度基准。
DollasAndSpence 发布 Qwen/Qwen-Image-2.1 的 Uncensored 量化版本，提供 GGUF、Safetensors 和 MLX 格式，支持 ComfyUI 本地图像生成。该版本无内置安全检查器，可直接生成成人及 NSFW 内容；推荐 GGUF 使用 Q4_K_M（4.60 GB），MLX 格式针对 Apple Silicon 优化，文本编码器可卸载至系统内存以节省 9–17 GB VRAM。
Hugging Face 上线 mradermacher 制作的 Qwen3.5-2B-Uncensored-Abliterix-SOM-i1 GGUF 量化模型仓库。该模型参数规模约 961k，页面暂缺 YAML 元数据，下载量数据尚未显示。