DeepSeek-V4.1-Flash 无对齐 EXL3 量化版发布，可在 2× DGX Spark 上运行
dealignai 团队发布 DeepSeek-V4.1-Flash 的 abliterated 无对齐版本，量化为 EXL3 2.9bpw，约 197 GiB，可在两台 DGX Spark (GB10) 上以 TP=2 部署。
推荐理由：原文给出 HarmBench 拒绝率与 MMLU 全量对比，量化了能力损失集中在伦理子集，读者可自行评估取舍。
#去对齐
新闻、仓库与研究，按时间排列。
Hugging Face · 新模型：uncensored精选AI 评分7272 Hugging Face · 新模型：abliterated精选AI 评分7272 Qwen3.8-27B RVN 消融版 GGUF 发布，拒绝率降至 0-1/100
xannie1 在 Hugging Face 发布 Qwen3.8-27B RVN Heretic Abliterated Uncensored GGUF，在 trohrbaugh 的 heretic-ara 基础上追加两轮全权重 ARA 消融，有害提示拒绝率从 3/100 降至 0-1/100，KL 损伤从 0.0535 降到 0.0085。
推荐理由：原文给出两轮 ARA 消融后的拒绝率与 KL 前后对比数据，并附各量化的 PPL 和 MTP 实测速度，便于按硬件选文件。
Hugging Face · 新模型：abliterated精选AI 评分6868 TechPrototyper 发布 Gemma4-31B 6-bit 量化版的原格式去对齐权重
TechPrototyper 在 rdtand 的 PrismaQuant 6-bit 量化构建内，将 BF16 去对齐供体的权重移植进 118 个张量并按原量化网格重编码，不重新量化。
推荐理由：原文给出拒绝率前后对比、逐项验证和已知回归，读者可据此判断这种不改量化布局的去对齐做法是否值得采用。
Hugging Face · 新模型：uncensored精选AI 评分6060 
xCloudinfo 发布 Granite-4.2-30B-xVITA-zhTW-Uncensored GGUF 去审查模型
xCloudinfo（云碩科技）发布 Granite-4.2-30B-xVITA-zhTW-Uncensored，基于台湾繁中微调版 Granite-4.2-30B-xVITA-zhTW（底座 ibm-granite/granite-4.2-30b）。
推荐理由：原文给出拒绝方向消除方法与去审查前后的拒答率和能力对照数据，读者可据此评估这个繁中去审查版本的实际代价。
Hugging Face · 新模型：abliteratedAI 评分2828 Huihui-Qwen3.8-27B-Abliterated-Ternary-Bonsai 以 NInfer 单文件格式发布
Hugging Face 上发布 huihui-ai abliterated 版 Ternary-Bonsai 的 NInfer 格式重打包，将去安全化的 Qwen3.8-27B 权重封装为单文件 .ninfer 容器，供 NInfer 引擎读取 t2_g128_fp16 三元表示。
Hugging Face · 新模型：abliterated精选AI 评分5454 drowzeys 发布 keys-GLM-5.3-EXL3-2.75BPW-Abliterated 去对齐版
drowzeys 在 Hugging Face 发布基于 zai-org/GLM-5.3 的 abliterated 量化版本 keys-GLM-5.3-EXL3-2.75BPW-Abliterated。
推荐理由：原文给出 Blackfrost 消融张量的重编码位置与 32 项拒绝率实测数据，可据此判断这个 abliterated 版本改动范围和去对齐程度。
Hugging Face · 趋势模型精选AI 评分6868 
DavidAU 发布 Qwen3.8-27B-TURBO 无审查微调版 GGUF
DavidAU 在 Hugging Face 发布基于 Qwen/Qwen3.8-27B 的多阶段微调去审查版 Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored 的 GGUF 量化。
推荐理由：作者给出了用 Heretic ARA 方法去审查的拒绝率前后数据，并附各量化档位与 Qwen 官方模型的基准对比，可核验其宣称。
Hugging Face · 趋势模型精选AI 评分6060 OrcaRouter 发布 OrcaSAQ2 27B Cyber Uncensored GGUF 量化权重
OrcaRouter 发布 OrcaSAQ-2-27B-Uncensored GGUF，将无对齐的 Qwen3.8-27B 从 54.7 GB BF16 压缩到 15.7 GB，PPL 仅 +0.80%，Top-1 agreement 94.4%，mean KLD 0.020。
推荐理由：原文给出了量化后与 BF16 基线的 PPL、Top-1 agreement 和 KLD 对照数据，可据此评估这类高压缩权重的保真程度。
Hugging Face · 趋势模型AI 评分4343 
Qwen-Image-2.1 Uncensored GGUF 量化版本发布
abenzerps 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化版本，提供 BF16（14.23 GB）到 Q4_0（4.15 GB）等多种量化文件，推荐 Q4_K_M（4.60 GB）以平衡体积与质量。
Hugging Face · 新模型：uncensored精选AI 评分6969 
Qwen3.8-Flash-Next GSQ-RCO 消融版 GGUF 发布：144 个张量移植保留上游量化布局
SC117（0xSojalSec）在 Hugging Face 发布 Qwen3.8-Flash-Next 的 GSQ-RCO 消融版 GGUF，通过对已量化模型直接移植张量来移除拒绝方向：48 层中 144 个写入残差流的投影张量替换为 orcarouter 的消融权重，其余 1079 个张量逐字节不变。
推荐理由：原文给出逐张量 blake2b 校验和体积、速度代价核算，展示了在已量化模型上做消融移植而不重算张量的完整流程。
Hugging Face · 新模型：abliterated精选AI 评分6969 Ling-3.0-tiny-Abliterated GGUF 发布：拒绝率从44/44降至12/44且GSM8K无损
作者alexwkleung用Heretic制作并经llama.cpp量化的inclusionAI/Ling-3.0-tiny（8B总参/约1B激活MoE）abliterated版本，提供Q4_K_M至Q8_0共4个GGUF文件。作者用Heretic优化器未见过的44条测试提示实测，拒绝率从思考关闭43/44、开启44/44降至11/44、12/44；思考关闭下GSM8K n=100与原版同为93/100。作者强调这是针对过度拒绝的escape hatch而非无审查模型，不增加任何知识，且思考与非思考路径的拒绝均被去除；方向性消融共修改1692个张量，集中在第8至23层。
推荐理由：作者用未见过的44条测试题和GSM8K对照给出拒绝率与能力变化的实测数据，读者可以自己判断这个去对齐版本的实际效果。
Hugging Face · 新模型：uncensoredAI 评分4444 Qwen3.8-27B Uncensored FP8 发布：去审查 + DFlash2 投机解码的 radiance 容器
StillDeadcode 发布 Qwen3.8-27B Uncensored FP8 模型，移除原模型的安全对齐（abliterated refusal direction），打包为单个 .rad 容器供 radiance 推理引擎使用，文件大小 29.43 GiB。该模型合并了 z-lab/Qwen3.8-27B-DFlash2 块扩散 drafter 用于投机解码，草稿经验证后不改变输出；附带 27 块 bf16 视觉塔，支持图像和视频输入。上下文训练长度 262,144 tokens、实测 200K，在 2× Radeon AI PRO R9700 上构建测试，服务器兼容 OpenAI API。
Hugging Face · 新模型：uncensoredAI 评分4343 HauhauCS Qwen3.8-27B-Uncensored 发布 imatrix 优化的 NVFP4 量化版本
HauhauCS 发布 Qwen3.8-27B-Uncensored-Aggressive 的 imatrix 优化 NVFP4 量化版本（Q5_NVFP4），体积从 Q5_K_P 源文件的 18.83 GiB（5.92 BPW）降至 14.74 GiB（4.63 BPW），约缩小 22%。该版本保留了原生 MTP/NextN 头、视觉能力和完整 Aggressive 去审查配置，LM head（output.weight）首次做了 imatrix 优化。模型针对 Blackwell（sm_120）GPU 原生加速构建，但文件为标准 GGUF，可在任意当前 llama.cpp 版本上加载。
Hugging Face · 新模型：abliteratedAI 评分5151 ericmey 发布 Qwen3.8-27B-abliterated GPTQ-Int4 量化版，面向 Intel Arc vLLM 部署
ericmey 在 Hugging Face 发布 huihui-ai/Huihui-Qwen3.8-27B-abliterated 的 GPTQ-Int4（sym, G128）量化版，附带 BF16 MTP 草稿张量与 F16 视觉塔，约 19 GB，面向 vLLM Intel Arc XPU 部署，也可加载于 CUDA。
Hugging Face · 新模型：abliteratedAI 评分2424 johnonegram 发布 Offender_3.8_27B_Abliterated 多模态安全推理模型
johnonegram 在 Hugging Face 发布 Offender_3.8_27B_Abliterated，基于 medismera/Qwen3.8-27B-Surgical-Abliterated 持续微调的 27B 多模态安全推理模型，总参数 26.89B，原生上下文 262,144 tokens（256K），采用 FP8 量化，磁盘占用约 26.9 GB。
Hugging Face · 新模型：abliterated精选AI 评分5656 shamidk 发布 Apex Flash 1 abliterated 的 DS4 混合 Q2 GGUF 量化版
shamidk 在 Hugging Face 上发布了 Apex Flash 1 abliterated 的纯文本 GGUF 转换版，采用 IQ2_XXS 与 Q2_K 混合量化配方，文件 89.88 GiB、含 1,412 个张量，省略视觉权重。作者在 128 GiB 内存的 Apple M5 Max MacBook Pro 上用 DS4 runtime 实测，解码速度中位数 11.13 tokens/s，有界质量测试 3/4 通过、严格类型化工具测试 34/36 通过；作者明确说明 abliteration 只针对拒绝行为，不代表能力提升，Agent 编码交付、视觉权重、更大上下文和与 BF16 的质量对等均未验证。转换版以 MIT 许可分发。
推荐理由：这是一次量化转换加实测记录，作者给出了具体推理速度、质量测试结果和明确的未验证范围，便于读者自行评估可用性。
Hugging Face · 新模型：uncensoredAI 评分3131 
mradermacher 发布 Qwen3.6-35B-A3B-Uncensored-Genesis-Final 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 发布 Qwen3.6-35B-A3B-Uncensored-Genesis-Final 的 imatrix 加权量化 GGUF 版本，提供从 i1-Q2_K（13.3GB）到 i1-Q6_K（29.3GB）的多种规格，其中 i1-Q4_K_S 被标注为尺寸、速度与质量的最佳平衡，i1-Q4_K_M 快速且推荐。静态量化存放在另一仓库，mmproj 文件也在该静态仓库中。
Hugging Face · 新模型：uncensoredAI 评分1818 Qwen-Image-2.1-Uncensored GGUF 量化模型上线 Hugging Face
Hugging Face 上线 Sica-Quants-1 发布的 Qwen-Image-2.1-Uncensored-GGUF 模型。该模型基于 7B 参数架构，提供 4-bit、5-bit、6-bit、8-bit 和 16-bit 多种量化版本，暂未附带模型卡片，上月下载量尚未统计。
Hugging Face · 新模型：uncensored精选AI 评分5656 vaultai 发布 Qwen3.8-27B 的 abliterated 去拒绝 MLX 量化版
vaultai 发布 Qwen3.8-27B-Uncensored-MLX，通过 abliteration（对拒绝方向做正交化）移除安全对齐，并提供 2/4/6/8-bit MLX 量化用于 Apple Silicon。4/6/8-bit 版本拒绝探针零拒绝、数值保真度 cos 0.996 至 0.9997，视觉和 262K 上下文保留；2-bit 生成严重退化仅供存档。仓库已门控，附 mlx-vlm、LM Studio 和 MTP 投机解码用法。
推荐理由：发布方给出了各精度量化的数值保真度、拒绝探针零拒绝和视觉能力实测，读者可以据此评估每个档位是否可用。
Hugging Face · 新模型：abliterated精选AI 评分5353 gemma-3-1b-it 经 Heretic 消融的 uncensored 版本发布，拒绝率从 99/100 降至 3/100
musiccat0405 在 Hugging Face 发布 gemma-3-1b-it-heretic-extreme-uncensored-abliterated，用 Heretic v1.0.1 消融，拒绝率 3/100，KL 散度 0.33，原版 Gemma 1B-IT 拒绝率为 99/100。作者注明本次以更低拒绝率为优先目标，并给出 KL 散度更低（0.09）但拒绝率 17/100 的替代版本链接；还说明该模型不拒绝请求但部分情况需额外指令引导，并附 KoboldCpp、text-generation-webui、SillyTavern 的 smoothing_factor 等采样参数建议。
推荐理由：原文给出了 Heretic 消融前后的拒绝率与 KL 散度数据，读者可以具体对比这个去对齐版本去掉了多少、损伤多大。
Hugging Face · 新模型：abliterated同新闻AI 评分7171 SlickPulla 发布 Qwen3.8-27B RVN 三重 ARA 消融版 GGUF
SlickPulla 在 trohrbaugh/Qwen3.8-27B-heretic-ara 基础上再做两遍 ARA 消融，发布 Qwen3.8-27B RVN Heretic Abliterated Uncensored GGUF，有害提示拒绝率从 3/100 降到 0–1/100，KL 损伤从 0.0535 降到 0.0085。全部 53 个 RVN 文件内嵌官方 Qwen3.8 chat template，每个量化都附带嵌入 MTP 草稿头的孪生文件，128 token 实测平均提速约 55%，仅 IQ1_M 反而慢约 60%，IQ1_S 只提升约 4%，文档还按 8 GB 到 64 GB 显存给出了推荐文件。
Hugging Face · 新模型：abliteratedAI 评分2626 Huihui-Qwen3.8-27B Abliterated Swift-1.5 GSQ-RCO 发布 NInfer 单文件格式
fyb1214 将 huihui-ai 的 Huihui-Qwen3.8-27B Abliterated Swift-1.5 GSQ-RCO GGUF 系列重新打包为 NInfer 引擎可用的单文件 .ninfer 容器，共发布 IQ2_XS、IQ2_S、IQ3_XXS、IQ3_S 四个量化档位，文件从 8.76 GiB 到 11.91 GiB 不等，其中 IQ3_S 档需要 16 GB 以上显存或卸载。该仓库仅做格式转换，abliteration（第 22–52 层去拒绝方向消融）由 huihui-ai 完成，文本塔无重新量化或再训练。模型仅在 Hugging Face 发布，安全过滤大幅降低，仅建议用于研究和受控环境。
Hugging Face · 新模型：abliterated精选AI 评分7373 vaultai 发布 GLM-5.3-Flash-Abliterated MLX 4bit 量化版，上游拒绝率约 1.3%
vaultai 在 Hugging Face 发布 GLM-5.3-Flash 的 abliterated 4bit 量化版（oQ4e，173 GiB，35 个分片），基于 Blackfrost-Research 的去对齐 BF16 权重，面向 Apple Silicon 的 oMLX 运行时。去对齐在上游权重层完成，Blackfrost-Research 用 R1-HARMFUL-BENCH-450 测得有害提示拒绝率 1.3%（4/300），本 4bit 版仅做了抽查未系统复测。视觉塔与 MTP 草稿头均保留并经真实请求验证，M3 Ultra（256 GB）实测短上下文 DFlash2 解码最高 51.2 tok/s，附带的前缀缓存补丁把多轮长上下文 TTFT 从约 46 s 降到 0.26 s。
推荐理由：模型卡附上了上游拒绝率实测与 Apple Silicon 上的逐档解码速度和 TTFT 数据，读者可以对照判断量化后的行为和性能。
Hugging Face · 新模型：uncensoredAI 评分4242 nyaaorick 发布 Qwen3.8-27B-Uncensored 的 MLX 3-bit 量化版本
nyaaorick 在 Hugging Face 发布 Qwen3.8-27B-Uncensored 的 MLX 3-bit 混合精度量化版本，面向 Apple Silicon，磁盘占用 9.82 GB，平均每位权重 2.915 bit，短提示峰值内存约 10.5 GB。
Hugging Face · 新模型：uncensored同新闻AI 评分7373 dealignai 发布 GLM-5.3-UNCENSORED-FP8 无对齐权重版
dealignai 在 Hugging Face 发布 GLM-5.3-UNCENSORED-FP8，对 GLM-5.3-FP8（基于 zai-org/GLM-5.3，753B、78 层、text-only 的 glm_moe_dsa 架构）做权重级去对齐：仅修改 bf16 residual-writer 张量，FP8 专家路由不变，无微调、无 LoRA、无运行时钩子。
Hugging Face · 新模型：uncensoredAI 评分3333 Qwen3.8-27B-Uncensored-Cyber-ATX-MTP-GGUF 量化版本发布
bjivanovich 在 Hugging Face 发布 Qwen3.8-27B-Uncensored-Cyber 的自定义 ATX GGUF 量化版本，在 blk.64 内嵌 MTP 草稿头，面向渗透测试、漏洞审计等进攻性安全与代码推理场景。
Hugging Face · 新模型：abliteratedAI 评分2626 mradermacher 发布 Abliterated-Dolphin3.0-R1-Mistral-24B 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 发布了 Abliterated-Dolphin3.0-R1-Mistral-24B 的 imatrix GGUF 量化版本，提供从 i1-IQ1_S（5.4GB）到 Q6_K（19.4GB）的多种量化档位。其中 Q4_K_S（13.6GB）被称为尺寸、速度与质量的最优平衡，Q4_K_M（14.4GB）为推荐选项，并单独提供 0.1GB 的 imatrix 文件供用户自行创建量化。
Hugging Face · 新模型：abliteratedAI 评分3232 Huihui-Qwen3.8-27B-abliterated-AWQ-MTP：基于 Qwen3.8-27B 的去审查 AWQ 版本
Hugging Face 上发布 Huihui-Qwen3.8-27B-abliterated-AWQ-MTP，这是用 abliteration 技术对 Qwen/Qwen3.8-27B 去除拒绝行为后的无审查版本。模型支持 AWQ Marlin kernel 和 MTP 投机解码，在单张 A800 80GB 上（vLLM 0.21.0、MTP 开启、fp8 KV cache）达到 110+ tok/s，支持 65536 上下文长度。发布方警告安全过滤大幅减弱，仅建议用于研究和受控环境。
Hugging Face · 新模型：abliteratedAI 评分2323 mradermacher 发布 Abliterated-Dolphin3.0-R1-Mistral-24B GGUF 静态量化版本
mradermacher 在 Hugging Face 上发布了 Abliterated-Dolphin3.0-R1-Mistral-24B 的 GGUF 静态量化版本，提供从 Q2_K（9.0GB）到 Q8_0（25.2GB）的多种规格，其中 Q4_K_S、Q4_K_M 标注为快速且推荐使用，Q8_0 质量最佳。weighted/imatrix 量化版本可在模型页面另行获取。
Hugging Face · 新模型：abliterated精选AI 评分5353 
yuna1126 发布 gemma-4-E2B-Tema_Q-Abliterated 去对齐模型
yuna1126 在 Hugging Face 发布基于 google/gemma-4-E2B-it 的 abliterated 去对齐版本，使用 Tema_Q-Abliterated v1.0.0（SCAPE 算法）从权重中消融拒绝方向。
推荐理由：原文给出了拒绝率、KL 散度和 SCAPE 代理目标约 49 倍加速的实测数据，读者可以据此评估这个去对齐版本的代价与工具的可复用性。
Hugging Face · 新模型：abliterated精选AI 评分8282 
BoldingBuilds 发布 Qwen3.8-27B Abliterated ThinkFix GGUF 无对齐版本
BoldingBuilds 在 Hugging Face 发布 Qwen3.8-27B-Abliterated-ThinkFix-GGUF，在移除拒绝行为之外增加一处权重行编辑，使模型完成思考后更快给出答案。
推荐理由：原文给出多种敏感提示词与代理任务的实测对照数据，可据此评估这个去对齐加推理修复版本的实际取舍。
Hugging Face · 新模型：abliterated精选AI 评分5656 Qwen3.8-Flash-Next GSQ-RCO 量化包发布，附运行时去拒绝方向向量与实测数据
alesha-pro 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 GSQ-RCO 量化包，收录 ISTA-DASLab 的 Q2_0、IQ2_XS、IQ3_XXS、IQ3_S 四档 GGUF（逐字节复制并校验 SHA256），另附一个 480 KB 的拒绝方向向量文件，可在 Strata 引擎中运行时投影去除拒绝行为，权重保持原样。
推荐理由：原文保留原始量化权重并给出拒绝率、KL 散度和解码速度的实测数据，读者可据此评估运行时去拒绝向量对输出的实际影响。
Hugging Face · 新模型：abliteratedAI 评分1818 mradermacher 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated 的 imatrix 加权 i1-GGUF 量化系列，共 20 余个版本，大小从 1.2GB（i1-IQ1_S）到 3.4GB（i1-Q6_K）不等，并提供 0.1GB 的 imatrix 文件供用户自行创建量化。
Hugging Face · 新模型：abliterated精选AI 评分8080 TechPrototyper 发布 Qwen3.8-27B GridBook 13GB 视觉版 abliterated 权重
TechPrototyper 发布了基于 rdtand 的 GridBook 13GB 量化版 Qwen3.8-27B 的 abliterated 变体，通过将 BF16 消融供体权重移植进已有量化 checkpoint 并按原量化网格重编码，不重新量化，仅改动 1363 个张量中的 113 个。
推荐理由：原文给出在量化格式内做消融的完整方法与拒绝率、工具调用前后对比，读者可据此判断这种不重新量化的去对齐做法是否可靠。
Hugging Face · 新模型：abliteratedAI 评分2222 mradermacher 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated GGUF 静态量化版本
mradermacher 在 Hugging Face 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated 的静态 GGUF 量化版本，提供从 Q2_K（1.8GB）到 f16（8.2GB）的多档量化文件，其中 Q4_K_S、Q4_K_M 被标注为快速推荐档位，Q8_0 为最高质量档位，weighted/imatrix 量化另有单独发布。
Hugging Face · 新模型：abliteratedAI 评分3434 mradermacher 发布 Huihui-Qwen3.8-Flash-Next-abliterated 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 发布 Huihui-Qwen3.8-Flash-Next-abliterated 的 imatrix 加权 i1-GGUF 量化版本，提供从 i1-Q2_K（80.5GB）到 i1-Q6_K（167.7GB）的多档量化文件，其中 i1-Q4_K_M 为推荐档位，i1-Q4_K_S 兼顾体积、速度与质量。
Hugging Face · 趋势模型精选AI 评分6868 SC117 发布 Qwen3.8-Flash-Next GSQ-RCO 消融版 GGUF，144 张量移植保留原始量化
SC117 在 Hugging Face 发布 Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF，通过对已量化 GGUF 做 144 个残差流投影张量的字节级移植实现去拒绝，不重算任何 GSQ 学到的量化值。IQ3_S 版经逐张量 blake2b 校验，1223 个张量中 1079 个与上游逐字节一致，decode 速度仅降 0.1%，四个量化档位体积仅比上游多 0.25 至 0.44 GB，行为抽查显示上游拒答的绕过付费墙请求该版本会详细回答。作者提示模型无内置安全护栏，需自行部署审核与访问控制。
推荐理由：作者用逐张量 blake2b 校验和性能对照说明直接移植已量化张量做消融的代价，方法可复用到其他 GGUF 模型。
Hugging Face · 趋势模型精选AI 评分5959 HauhauCS 发布 Qwen3.8-27B Aggressive 无对齐 GGUF 量化版并附带 FastMTP 加速方案
HauhauCS 在 Hugging Face 发布基于 Qwen/Qwen3.8-27B 的 Aggressive 无对齐 GGUF 量化系列，实测拒绝率 0/465，保留文本、推理、Agent 及图像视频能力。全套量化提供 K_P 自定义档位，附带的 FastMTP 32K 加速 sidecar 相比无 MTP 最高达 3.02x 文档 TG 和 1.93x 推理 TG，比内嵌 MTP 最高快 35.2%/21.1%，实测基于 RTX PRO 6000 Blackwell 96GB。需配套 llama.cpp 补丁，vision 需单独 BF16 projector，原生上下文 262,144 token，可扩展至 1,000,000。
推荐理由：原文给出了0/465拒绝实测和完整量化档位的MTP加速对比数据，读者可据此判断去对齐程度和各档位实际推理速度。