跳到正文
只看一手#无对齐发布
10月5日周一
  7. Hugging Face · 新模型：uncensored72

    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。

  10. Hugging Face · 新模型：abliterated72

    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。

  11. Hugging Face · 新模型：uncensored34

    mradermacher 发布 Pyrex-8B-Instruct-Uncensored GGUF 静态量化版本

    mradermacher 在 Hugging Face 上发布了 Pyrex-8B-Instruct-Uncensored 的 GGUF 静态量化版本，提供从 Q2_K（3.1GB）到 Q8_0（8.2GB）及 f16（15.3GB）等多种规格，其中 Q4_K_S 和 Q4_K_M 被标注为快速且推荐使用。加权/ imatrix 量化版本另行提供，模型页面附有量化质量对比图表和使用说明。

  12. Hugging Face · 新模型：abliterated68

    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。

  13. Hugging Face · 新模型：uncensored60

    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。

  18. Hugging Face · 趋势模型52

    Infatoshi 发布 GLM-5.3-UNCENSORED 的 EXL3 3.0bpw 量化版

    Infatoshi 在 Hugging Face 发布 dealignai/GLM-5.3-UNCENSORED-FP8 的 ExLlamaV3 EXL3 3.0bpw 量化版，总参数 753B，体积 273 GiB，含 MTP 层可用作推测草稿模型。

    推荐理由：作者附上了与 FP8 源权重的 KL 散度、困惑度对比和 tau2-bench 实测，还指出 glm4_5 解析器会破坏字符串参数导致工具调用失败。

  21. Hugging Face · 新模型：uncensored36

    axi0mX/Qwen3.8-Flash-Next-Uncensored-GGUF 上架 Hugging Face，可用 llama.cpp 本地运行

    axi0mX 在 Hugging Face 发布 Qwen3.8-Flash-Next-Uncensored-GGUF 模型，默认量化版本为 Q5_K_XL。模型可通过 llama.cpp、Ollama、Docker Model Runner、LM Studio、Jan、Lemonade 等工具本地运行，llama.cpp 还提供带 Web UI 的 OpenAI 兼容本地服务器，也可接入 Pi、Hermes Agent、OpenClaw 等 Agent 工具使用。

  23. Hugging Face · 新模型：uncensored69

    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。

  24. Hugging Face · 新模型：abliterated69

    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。

  25. Hugging Face · 新模型：abliterated34

    Anotos 发布 LFM2-8B-A1B-Abliterated 的 MLX 4-bit 量化版

    Anotos 将 huihui-ai 的 abliterated（去审查）版 Liquid AI LFM2 8B-A1B 转换为 MLX 4-bit 量化模型，面向 Apple Silicon。该模型为 MoE 架构，总参数 8.3B、每 token 激活约 1.5B，文件 4.69 GB，专家路由门控保留 8 bit，需 mlx-swift-lm 3.31.4 及以上版本。模型已移除安全护栏，不内置入 Erato 应用，需手动添加，采用 LFM Open License v1.0 许可。

  27. Hugging Face · 新模型：uncensored44

    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。

  29. Hugging Face · 新模型：uncensored21

    OpenIntelligenceNet/NeoHorse-1-4B-Uncensored-Zero-Refusal-GGUF 上架 Hugging Face

    4B 参数的无审查模型 NeoHorse-1-4B-Uncensored-Zero-Refusal-GGUF 以 GGUF 格式（F16）在 Hugging Face 上线。页面提供了 llama.cpp、Ollama、Docker Model Runner、Lemonade 等多种本地运行方式的安装与启动命令，也可接入 Pi、Hermes、OpenClaw 等 Agent，或通过 llama.cpp 启动 OpenAI 兼容的本地服务器并附带 Web UI。

  31. Hugging Face · 新模型：uncensored56

    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。

  32. Hugging Face · 新模型：abliterated43

    LMLiutenant 发布 Qwen3.6-35B-A3B-abliterated-v2 的 GGUF 量化版本

    Hugging Face 用户 LMLiutenant 用 llama.cpp 制作了 abliterated（抑制拒答）版模型 wangzhang/Qwen3.6-35B-A3B-abliterated-v2 的 GGUF 量化，属非官方再分发。该模型为 MoE 架构，总参数 35B、每 token 激活约 3B（256 个专家激活 8 个），上下文长度 262144 tokens。仓库提供 IQ2_XS 到 Q8_0 共 24 种量化，并附 F16 多模态 projector，各量化均基于同一 importance matrix 计算，BF16 源模型 wikitext-2 PPL 为 6.4743。

  33. Hugging Face · 新模型：abliterated53

    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。

  34. Hugging Face · 新模型：abliterated71

    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。

    同一新闻，精选展示《Qwen3.8-27B RVN 消融版 GGUF 发布，拒绝率降至 0-1/100》

10月4日周日
  1. Hugging Face · 新模型：abliterated73

    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。

  2. Hugging Face · 新模型：uncensored74

    TokenTinkerer 发布 Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive 十档 GGUF 量化集

    TokenTinkerer 基于 HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive 发布了 TTQ 十档 GGUF 量化集，从 3.33 bpw 到 6.72 bpw，全部从上游 Q8_K_P 用自建 imatrix 重量化。每档以同一机器同一协议实测 KLD/RMS 与 llama-bench 速度，每档 KLD 均优于上游仓最接近尺寸的量化 1.26× 到 3.51×，同质量档位小 1.44 到 7.90 GiB，匹配对比下 decode 快 6% 到 19%、prefill 快 28% 到 80%。

    推荐理由：作者用同一协议实测十档量化的KLD、体积与速度，并给出与上游仓位的逐项对照，读者可按显存和用途挑选合适的档位。

  3. Hugging Face · 新模型：uncensored26

    Wan2.2 GSsmart Uncensored：同时支持 I2V 与 T2V 的无审查 LightX2V LoRA 发布

    Hugging Face 用户 GSsmart 发布 Wan2.2 GSsmart Uncensored，一套同时适配 I2V 与 T2V 的无审查 LightX2V LoRA，免去在两类模型间反复切换。T2V 下人体准确率约 80–85%，I2V 效果取决于输入图像；叠加其他 LoRA 建议用 0.55–0.65 强度，本 LoRA 需保持接近满强度否则画面易模糊。

  5. Hugging Face · 新模型：uncensored73

    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。

    同一新闻，精选展示《dealignai 发布 GLM-5.3-UNCENSORED-FP8 去对齐权重》