新闻、仓库与研究，按时间排列。
HauhauCS 基于 Qwen3.6-35B-A3B 发布无审查 Aggressive 版本，测得 0/465 拒答，数据集与能力无改动。模型为 MoE 架构，总参数 35B、每 token 激活约 3B，原生支持 262K 上下文和文本、图像、视频多模态，并提供 Q8_K_P 到 IQ2_M 多档 GGUF 量化（含 K_P 自定义量化），兼容 llama.cpp、LM Studio 等 GGUF 运行时。
mradermacher 在 Hugging Face 上发布 Gemma-3-Uncensored_v2-merged-GGUF 模型，提供 Q4_K_M 量化版本。用户可通过 llama.cpp 在 macOS、Linux、Windows 上以 `llama serve -hf` 启动本地 OpenAI 兼容服务器（含 Web UI），或用 `llama cli` 在终端直接推理。该模型也支持预编译二进制、源码编译和 Docker 运行。
mradermacher 在 Hugging Face 上发布了 Gemma-3-Uncensored_v2-merged-i1 的 GGUF 量化版本。该模型页面下载量数据未显示，仓库卡片缺少 YAML 元数据。
jakeatx 发布 ATX-Swift-1.5-Qwen3.8-27B-Uncensored-2.3bpw-MTP GGUF 量化版，基于 UkisAI 的 Swift 1.5（构建于 Qwen3.8-27B）的 uncensored BF16 checkpoint 重编码为约 2.3 bits per weight，含 MTP 草稿层，面向 12 GB 显卡约 200K 上下文。
推荐理由：发布者给出了拒绝率降低说明、KL 散度和 LiveCodeBench 实测对比，读者可以据此判断这个 2.3 bpw 极致量化在 12 GB 显卡上的实际表现。
Dankpaws 将 grimlee 的 abliterated 版 Swift 1.5 Qwen3.8-27B 转换为 EXL3 4.25bpw 量化格式，面向双 RTX 5060 Ti 16 GB 硬件，支持三路并发、每路 115,200 tokens 上下文，包含原生 MTP 和视觉权重。作者在 PCIe 拓扑受限的测试机上实测了单请求 66.1 tok/s、三短请求 41.9-43.3 tok/s 等吞吐数据，并明确说明未做额外微调或新的 abliteration，也未与 BF16 做成对评测；许可上同时适用 Swift Open License v1.0 和 Apache License 2.0。
推荐理由：原文给出了完整的量化参数、实测吞吐和内存数据，读者可以按自己的双卡配置复现这套 EXL3 本地部署。
onnx-community 发布 WithinUsAI/Gemma3-Prompt.Coder.it.Uncensored-270m 的 ONNX 版本，可通过 Transformers.js 的 text-generation 管线使用。该模型基于 google/gemma-3-270m-it，用 mergekit 以 SLERP 方法合并 4 个模型而成，是无审查的提示词扩展模型。其安全过滤被大幅削弱，可能生成敏感内容，官方建议仅用于研究或受控环境，不适合生产环境使用。
davetha 在 Hugging Face 发布了 huihui-ai/Huihui-Qwen3.8-27B-abliterated（基于 Qwen/Qwen3.8-27B 的去拒绝版本）的 4-bit AutoRound 量化构建，采用 INT4 主体加 baked lm_head/MTP 和 INT8 embedding，面向单张 Intel Arc Pro B70（32 GB）在 vLLM XPU 下运行。
推荐理由：作者给出了量化方法、perplexity 对比和 B70 上的实测速度数据，读者可以评估这个 4-bit 去对齐版本的质量与可用性。
Hugging Face 上发布了 OrcaRouter 的 abliterated Qwen3.8-27B 模型的 MTP-capable IQ5_KS GGUF 量化版，适用于 ik_llama.cpp。该版本使用 Ubergarm 的张量配方与 importance matrix 制作，保留内嵌 MTP head（权重为 Q8_0，norm 为 F32），文件大小 18.964 GiB。由于源模型经过 abliterated 处理，其拒绝行为与原版 Qwen 模型不同，需自行添加安全防护。
huihui-ai 基于 Qwen/Qwen3.8-27B 发布经 abliteration 处理的去审查 GGUF 版本 Huihui-Qwen3.8-27B-abliterated-GGUF，MTP 与视觉部分未修改。多个系列（UD、GSQ-RCO、UD-DW、Ternary、Swift）仅对第 22-52 层（0 起始索引）做 abliteration，其余层保留原样；Q2_K_L-Q6_K_L 等版本将需 abliteration 的权重转为 Q8_0 以提升回复质量。该模型安全过滤大幅降低，仅建议用于研究与测试，可在最新版 ollama 和 llama.cpp 中运行。
huihui-ai 基于 Qwen/Qwen3.8-Flash-Next 发布去审查版 Huihui-Qwen3.8-Flash-Next-abliterated-GGUF，用 abliteration 技术移除模型拒绝行为。新增 Unsloth 与 Swift 系列 GGUF，支持最新版 Strata 和 llama.cpp，Strata 提供 SHA256 校验，llama.cpp 可运行 UD-Q4_K_XL 量化版本并设置 -c 262144 上下文。模型安全过滤被大幅削弱，建议仅用于研究和受控环境，使用者需自行承担法律与伦理责任。
NVIDIA 在 Hugging Face 发布 Qwen3.8-Flash-Next-FP4-Local，是用 Model Optimizer 量化感知蒸馏（QAD 1.0，nvidia-modelopt v0.47.0）制作的 Qwen3.8-Flash-Next FP4 量化版，checkpoint 约 96 GiB。模型总参数 125B、激活 6B，另有 51B n-gram embedding 和 4B MTP，原生上下文 262K 可扩展至 1M tokens；精度上 GPQA Diamond 从 BF16 的 92.2% 降至 91.5%，ToolEvalBench 从 89.4% 降至 88.7%。
推荐理由：官方模型卡给出了 FP4 量化方法、精度损失对照和两套本地硬件的部署方案，量化细节可参考。
用户 Iqk 在 Hugging Face 发布基于 unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit 微调的模型 NOVA-Ai-Uncensored，采用 apache-2.0 许可证。该模型通过 Unsloth 训练，训练速度提升 2x，可通过 Transformers 库加载使用，并已上传至 Google Colab、Kaggle 等平台。
用户 Kikik3636 基于 Qwen/Qwen-Image-2.1 上游原始权重发布 GGUF 量化版本，提供 BF16、Q8_0、Q6_K、Q4_K_M 等多档量化文件，体积从 4.15 GB 到 14.23 GB 不等，其中 Q4_K_M 被推荐为体积与质量的最佳平衡。该版本内置 ComfyUI 配套的 text encoder（qwen3vl_8b）与 VAE 文件，可在 ComfyUI 中通过 ComfyUI-GGUF 节点运行。此版本无内置安全检查器或内容过滤，可直接生成 NSFW 内容，采用 Qwen Research License 授权。
作者发布基于 Qwen3.8-27B 的多阶段微调 GGUF 模型，称 8bit ARC-C 达 0.735、ARC-E 达 0.882，并宣称将思考 token 压缩至原版的 1/2 到 1/10。去审查采用 Heretic v1.2.0+ 的 Arbitrary-Rank Ablation 方法，阶段1拒绝率从 99/100 降至 0/100（KL 0.0535），阶段2后为 11/100（KL 0.0025）；提供常规与 MTP 两类量化，4bit Q4_K_S 下约 75 t/s，MTP 可超 90 t/s（5090 实测）。
作者发布了 Qwen/Qwen3.8-Flash-Next 的 mlx-serve 4-bit 混合量化包（4-bit experts、8-bit 其余），该模型为 Qwen4 preview 架构（model_type: qwen4_exp），全量 checkpoint 为 125B trunk + 51B n-gram + 4B MTP，共 180B（bf16 360 GB）。实测在 M4 Max 128 GB 上常驻约 67-69 GB，decode 29-34 tok/s，25k token prompt prefill 约 400 tok/s。n-gram 表以单独 4-bit 文件 mmap 方式按需反量化，不占常驻显存；MTP 头可加载但当前比串行 decode 慢，默认关闭。
推荐理由：作者在 M4 Max 上给出了显存占用、decode 与 prefill 速度等实测数据，读者可以据此评估这个 180B 模型能否在自己机器上跑。
etemiz 发布 Ostrich-27B-261008-Qwen3.8-Abliterated，基于 Qwen 3.8 27B 做 abliterated 处理移除拒绝行为。自评显示总体对齐分从原版 Qwen 3.8 的 37%（几何平均）提升到 82%，消融测试拒绝率很低。相比 260903 版本新增 Agentic RAG 训练、-100..100 真值打分适配器、9 项自动化拟人测试（总分 0.928），并开始提供 EXL3 量化（3.0 至 6.0 bpw）与 GGUF 下载，可在约 18 GB 显存的消费级 GPU 上 4-bit 运行。
同一新闻，精选展示《etemiz 发布 Ostrich-27B-261008-Qwen3.8-Abliterated EXL3 量化版》
etemiz 在 Hugging Face 发布基于 Qwen 3.8 27B 的 Ostrich-261008 abliterated 版本，提供 3.0 至 6.0 bpw 四档 EXL3 量化（13 到 22 GB），可通过 ExLlamaV3 / TabbyAPI 在消费级 GPU 本地运行。该版本经 abliteration 移除拒绝行为，官方数据显示整体对齐率从基座的 37% 升至 82%，并新增了 Agentic RAG 训练、真值打分适配器和 0.928 分的自动化 9 项人格化测试；训练采用进化搜索管线，累计 841 代、9500 条谱系，蒸馏领域覆盖健康、宗教、比特币等。
推荐理由：原文给出了按领域的对齐率对比和拒绝率数据，读者可以据此判断这个 abliterated 版本的实际去对齐程度和量化选择。
KENIC-1 在 Hugging Face 发布 Qwen3.8-Flash-Next GSQ-RCO 的 abliterated GGUF 版本，采用字节级张量移植，将全部 48 层中的 144 个 write-to-residual-stream 投影张量替换为 orcarouter 消融权重，不重算任何 GSQ 学到的量化值。四个量化档位（IQ3_S / IQ3_XXS / IQ2_XS / Q2_0）保持上游逐张量类型分配不变，体积仅比上游多 0.25–0.44 GB；1223 个张量经逐张量 blake2b 核验，144 个目标全部改变、1079 个非目标逐字节一致，行为抽查显示上游拒答的提示词此版可详尽回答。
推荐理由：原文给出了逐张量的移植方法与blake2b核验数据，读者可以确切看到哪些张量被改、代价多大。
burningfeet 发布基于 HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive 的 Genesis Hermes GGUF 模型，基础模型 refusal 记录为 0/465。该模型总参数 35B，每次前向激活约 3B（MoE，256 专家、8 路由 + 1 共享），采用 Gated DeltaNet 线性注意力与全 softmax 混合架构（3:1），40 层，原生 262K 上下文（YaRN 可扩展至 1M），本地多模态。作者使用 Genesis 后训练算法通过 Marchenko–Pastur 定律修复 tensor 中的训练噪声，不涉及训练或微调。
社区版 Gemma 4 E2B Uncensored-MAX 已转换为 .litertlm 格式，可在 Android、Pixel 及 Tensor / Mali 设备上完全离线运行。模型为 INT4 量化，有效参数 2.3B（含 PLE 总参数 5.1B），支持 32,768 token 上下文，仅保留文本能力，体积 2.37 GB。可通过 Google AI Edge Gallery 或 LiteRT-LM CLI 加载，采用 Apache 2.0 许可证。
用户 k8scert 在 Hugging Face 发布 abliterated 版模型 Qwen3.8-27B-ABLITERATED-Q8_0，采用 Q8_0 量化。页面给出通过 llama.cpp、Ollama、Docker Model Runner、LM Studio、Jan、Lemonade 等工具运行该模型的命令，并附 Pi、Hermes Agent、OpenClaw 等接入本地 llama.cpp 服务器的配置示例。
ScottzillaSystems 在 Hugging Face 发布 Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF，通过对已量化 GGUF 做字节级张量直移，替换全部 48 层中 144 个写入残差流投影张量以移除拒答方向，不重算任何 GSQ 学到的量化值。IQ3_S 构建经逐张量 blake2b 校验，144 个目标全部替换、其余 1079 个张量字节一致；相比上游文件仅增大 0.25-0.44 GB，Strata 引擎实测 decode 104.4 tok/s 与上游持平。行为抽查显示上游拒答的付费墙绕过提问该版本会详细回答，作者同时提醒该模型无内置安全护栏，部署需自备审核与访问控制。
burningfeet 在 Hugging Face 发布 Qwen3.6-35B-A3B-Uncensored-Genesis-Final 的 GGUF 版本，基于 HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive，拒答数为 0/465。该模型经 Genesis 张量修复处理，基于 Marchenko–Pastur 分布做自定义 SVD 降噪，不改变已学知识。模型总参数 35B，每次前向激活约 3B（MoE，256 专家、每 token 8 路由+1 共享），原生 262K 上下文（YaRN 可扩展至 1M），兼容 llama.cpp、LM Studio 等 GGUF 运行时。
基于 Gemma-3 4B it 微调的无审查模型 Gemma-3-Uncensored_v2-gguf 发布，用 Unsloth 微调并转换为 GGUF 格式，提供 gemma-3-4b-it.Q4_K_M.gguf 和 F16-mmproj 文件，可用 llama-cli 或 llama-mtmd-cli 运行。模型调整了 BOS token 以兼容 GGUF，训练速度提升 2 倍；Ollama 暂不支持单独的 mmproj 视觉文件，需通过 Modelfile 创建统一的 bf16 模型使用。
abliterated 版 GGUF 模型 Huihui-Qwen3.8-Flash-Next-abliterated-MTP-GGUF 现已上架 Hugging Face，支持 image-text-to-text 多模态输入。页面给出 Transformers、llama.cpp（UD-Q4_K_XL 量化）、vLLM、SGLang、Ollama、Docker Model Runner 等多种本地运行与 OpenAI 兼容 API 部署方式，llama.cpp、Ollama 等均可直接拉取运行。
mradermacher 在 Hugging Face 上提供 Qwen2.5-0.5B-Instruct-3MPER0RR-abliterated 模型的 GGUF 量化版本，包含 imatrix 量化及约 0.1GB 的 imatrix 文件供用户自行创建量化。静态量化版本另行提供，使用方法可参考 TheBloke 的 README 说明。作者感谢 nethype GmbH 提供服务器及 @nicoboss 提供私有超算支持。
Blackfrost 发布了 Qwen3.8-27B 的 abliterated 版本 GGUF 量化包，权重级降低拒绝行为，附完整 K-quant 阶梯（Q2_K 至 Q8_0）和视觉投影文件。450例拒绝基准（150 AdvBench、150 StrongREJECT、150 XSTest）经人工复核后残留11例真拒绝，占2.4%；W4A4 NVFP4 衍生版的 WikiText-2 词困惑度为9.3677，上游 BF16 为8.4764。每个主量化内嵌 MTP 投机头，可单文件在 llama.cpp 运行；可选 BF16 DFlash2 sidecar 在 RTX PRO 6000 上配 Q4_K_M 达到109.31 tok/s 中位解码速度，需固定实验性 llama.cpp 实现。
推荐理由：原文给出450例拒绝基准的分阶段残留数据和量化档位清单，读者可据此判断该去对齐版本的拒绝率与部署成本。
huihui-ai 基于 Aleph-Alpha/Kolibri-1-BF16 制作了 abliterated 去审查版本，全程使用 llama.cpp 处理 GGUF 完成，并重新量化上传了 Q2 至 Q8 及 BF16 共多个量化版本。模型需对 llama.cpp（commit 836d571）打 kolibri1 补丁才能运行，且 abliteration 未修改全部专家模块。由于安全过滤大幅削弱，仅建议用于研究与受控环境。
mradermacher 在 Hugging Face 发布 Qwen2.5-0.5B-Instruct-3MPER0RR-abliterated 的 GGUF 静态量化版本，提供从 Q2_K 到 f16 共 12 种规格，体积介于 0.4-1.1 GB，其中 Q4_K_S/Q4_K_M 被标注为快速且推荐，Q8_0 为最佳质量。weighted/imatrix 量化暂不可用，用户可通过 Community Discussion 提出请求。
mradermacher 在 Hugging Face 发布 Qwen3-06B-3MPER0RR-abliterated 模型的静态 GGUF 量化版本，提供从 Q2_K（0.4 GB）到 f16（1.3 GB）共 13 种量化类型。其中 Q4_K_S、Q4_K_M 标注为快速且推荐，Q6_K 质量很好，Q8_0 快速且质量最佳。加权/imatrix 量化版本可在其模型页面获取，使用方法可参考 TheBloke 的 README。
Hugging Face 上发布了 mradermacher/Qwen3-06B-3MPER0RR-abliterated-i1-GGUF 量化模型。该仓库为 GGUF 格式，模型约 287k 参数，仓库卡片缺少 YAML 元数据。
huihui-ai 在 Hugging Face 上发布 Huihui-Qwen3.8-Flash-Next-abliterated-GGUF，这是用 abliteration 技术移除拒绝行为的 Qwen/Qwen3.8-Flash-Next 无审查版本。GGUF 文件来自 unsloth 系列，支持最新 llama.cpp 和 Strata，可用 llama-cli 加载，上下文设为 -c 262144。发布方提醒该模型安全过滤已大幅削弱，仅建议用于研究、测试或受控环境，使用后果由用户自行负责。
Xeldia 在 Hugging Face 发布 Qwen3.8-27B-ABLITERATED 的 GGUF 版本，提供 Q2_K 到 Q8_0 全部标准 K-quant 及视觉投影器，由 Blackfrost-AI 的 BF16 去对齐权重转换而来，保留 262,144 token 上下文和原生 MTP 投机头。发布页给出 R1-HARMFUL-BENCH-450 拒绝基准：经三阶段筛选后残余 11 例真拒绝（2.4%），并附 WikiText-2 困惑度对比与 DFlash2 投机解码实测中位 109.31 tok/s；DFlash2 路径需固定 llama.cpp PR #27342 实现。
同一新闻，精选展示《Blackfrost 发布 Qwen3.8-27B-ABLITERATED GGUF 量化版，残留拒绝率2.4%》
huihui-ai 发布 Aleph-Alpha/Kolibri-1 的去审查（abliterated）GGUF 版本，完全基于 llama.cpp 对 GGUF 模型完成消融，未修改全部专家模块。原版 llama.cpp 尚不支持 kolibri1 架构，需在 upstream commit 836d571 上应用仓库附带的 kolibri1-llama.cpp.patch 补丁并编译。模型仅建议用于研究与受控环境，用户需自行承担法律与伦理责任。
QCATS 是一个查询上下文感知的 Transformer 切片框架，利用查询谓词和元数据统计在模型执行前预选上下文对齐的 FFN 切片，实现数据库内高效稀疏推理。框架包含离线专家构建和轻量查询级路由，并引入异步 CPU-GPU 流水线与路由感知批处理等系统优化。在 BERT-base 和 Qwen-0.6B 的四项预测查询工作负载上，QCATS 延迟最多降低 4.42x，预测精度与稠密基线相当。
研究者提出 EncBank，把预训练 LLM 的低层视为可复用的文档编码器并紧凑存储其输出，供适配后的上层读取器使用，且各存储精度共享自蒸馏 suffix adapter、无需针对量化重训。在三个不同规模的 Qwen 骨干上的五个 benchmark 套件中，4-bit 存储与原生精度 EncBank 各项 aggregate 差距在一个分数点内；在固定 Qwen3-8B 负载下仅保留 28.1% 的原生精度 GPU 常驻存储，并实现 1.40x prefill 加速（RULER 准确率损失 3.12 分），原生精度 Qwen3.8-27B 还通过 Terminal-Bench 2.1 的 89 项任务中的 70 项。
研究者提出 CHASE（Channel-Aligned Structure Exploitation），利用几何与谱对齐（GSA）刻画的结构开展模型修改、重构与压缩，共覆盖六项应用。其中 CORA、COEC、CORAM 分别用于参数高效微调、结构化剪枝补偿和模型合并，新方法 CAGA 通过多头注意力共享 KV 表示改进 MHA-to-GQA 转换，SAKV 与 CAPS 分别在 KV-cache 压缩和结构化剪枝上优于代表性基线。结果表明 GSA 识别的结构可直接用于多种模型操作的方法设计。
Hugging Face 用户 sanasol2008 发布 Qwen3.8-Flash-Next-Abliterated-Sushi-2bpw，这是基于 orcarouter/Qwen3.8-Flash-Next-Uncensored 的 BF16 权重直接转换的实验性 Sushi 格式 2bpw 量化包，本身未做额外 abliteration 或微调。完整下载约 64.87 GiB（含 29.8 GiB n-gram sidecar），在 Apple M3 Max / 48 GiB 上用 Sushi 1.1.1 测试，warm decode 约 26.48 tok/s，配置上限 256k 上下文，并保留了视觉权重与 MTP 权重（MTP 推理未验证）。
Qwopus3.8-27B-Flash-V2 是基于 Qwen3.8-27B 的 Qwopus3.8-27B-Flash 的更新后训练版本，采用新的奖励函数与强化学习方法，目标是减少无效推理、降低 Agent 长任务的推理成本。V2 还针对上一版报告的 Python 缩进问题进行改进，在 temperature-0.3 的 Python 格式检查中未再观察到格式失败，该机制仍是工作假设。
3MPER0RR 在 Hugging Face 发布 Qwen3-06B 的 abliterated 版量化模型，采用 Q8_0 GGUF 格式。该模型可在 Transformers、llama.cpp、vLLM、SGLang、Ollama、LM Studio、Docker Model Runner 等多种工具中加载，llama.cpp 与 vLLM、SGLang 均支持启动 OpenAI 兼容 API 服务。