Qwen-Image-2.1 Uncensored GGUF 量化版本发布
Nylonek 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化版本,提供 BF16、FP8、Q8_0、Q6_K、Q4_K_M 等多种格式,文件大小从 4.15 GB 到 14.23 GB 不等,推荐兼顾体积与质量的 Q4_K_M。
新闻、仓库与研究,按时间排列。
Nylonek 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化版本,提供 BF16、FP8、Q8_0、Q6_K、Q4_K_M 等多种格式,文件大小从 4.15 GB 到 14.23 GB 不等,推荐兼顾体积与质量的 Q4_K_M。
Brunobkr 在 Hugging Face 发布 OFFFELLIA_Nemotron-3.5-Lightning-30B-A3B-Heretic-Uncensored 的 GGUF 版本。
sbussiso 在 Hugging Face 发布 Llama-3.2-1B-Instruct 的 abliterated 版本,通过对 untied lm_head 权重做读出空间正交化使去拒绝编辑持久化,推理时无需 hook。
推荐理由:原文给出五组对照的拒绝率与 MMLU 损失数据,读者可以据此判断这个持久化去对齐编辑的实际代价。
minas2025 基于 Gemma 4 E2B(约 4.6B)的 uncensored 版本微调出 Coder-Gemma-4-E2B-Uncensored,专注 Python 与 React/TypeScript/HTML/CSS 前端开发,采用 QLoRA 4-bit 训练,上下文 2048,提供 Q8_0 GGUF(约 5.0 GB)。
Hugging Face 上架了 Beached89 发布的 abliterated 版模型仓库 Qwen3.8-27B-Q3_K_XL-abliterated,为 Q3_K_XL 量化版本。该模型目前未被任何 Inference Provider 部署,也不统计下载量,README 为空。
cvgro 基于 meta-models/Muse-Glimmer-30B 使用 Heretic v2.0.0.dev0 的 Abliteration 参数制作出去审查版 GGUF 模型。
社区用户将 thirdeyeai/Qwen2.5-1.5B-Instruct-uncensored 转换为 LiteRT-LM(.litertlm)格式,可在 Android 与桌面端通过 Google AI Edge LiteRT-LM / MediaPipe 端侧运行。
HauhauCS 发布的 Qwen3.6-35B-A3B-Uncensored 无审查模型推出 Wasserstein Genesis-V2 更新 GGUF 量化版本,支持 MTP,无需重训练即通过数值修复 3 个 ssm_conv1d 层的尺度失配,W1 指标下降约 80%,500 个权重张量中 497 个通过全部检测。
HauhauCS 基于 Qwen3.6-35B-A3B 推出 Aggressive 无审查量化模型,0/465 拒答率,完全解锁不拒绝提示词。该模型为 MoE 架构,总参数 35B、每 token 激活约 3B,原生 262K 上下文,支持文本、图像、视频多模态。
atlas-institute 在 Hugging Face 上发布 abliterated 版 Qwen3 14B orchestrator 模型,提供 Q4_K_M 量化的 GGUF 格式。
zuozijian 发布 JonathanColetti/Qwen3.8-27B-Uncensored 的 NVFP4 量化版,用 NVIDIA TensorRT Model Optimizer 0.43.0 制作。
推荐理由:原文给出分层量化取舍与双节点 DGX Spark 实测吞吐数据,部署参数和踩坑记录可直接复用。
作者在 Hugging Face 发布了基于 Qwen3.8-27B 的多阶段微调 GGUF 量化版本,用 Heretic v1.2.0 加 ARA 方法去审查,Stage 1 拒绝率从原版 99/100 降到 0/100(KL 散度 0.0535),Stage 2 为 11/100(KL 0.0025)。
Chuncho32 在 Hugging Face 上将 DavidAU/Mistral-Nemo-2407-12B-Thinking-Claude-Gemini-GPT5.2-Uncensored-HERETIC 转换为 Q8_0 GGUF 格式,转换通过 llama.cpp 的 ggml.ai GGUF-my-repo 空间完成。
speridlabs 在 Hugging Face 发布 3B 参数的像素空间扩散 Transformer 模型 Iris-3B,不经过 VAE 和潜空间,直接输出每个像素,文生图默认 1024×1024,需 NVIDIA GPU,采用 Apache License 2.0,文本编码器为冻结的 Qwen3-VL-4B-Instruct。
推荐理由:原文同时给出架构细节、训练步数与 depth、修复任务的量化指标,可作为像素空间生成路线的参考样本。
Humberto16 在 Hugging Face 发布基于 Qwen3.8-27B 的多阶段微调 GGUF 量化版,8bit ARC-C 达 0.735、ARC-E 0.882,4bit ARC-C 0.719,均高于原版 Qwen3.8-27B(8bit ARC-C 0.591)。
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》
artkayv 在 Hugging Face 上传了名为 minimax-uncensored 的模型仓库。该仓库暂无模型介绍卡片,下载量未被跟踪,也没有任何 Inference Provider 部署该模型。
Perplexity AI 发布 pplx-decider-v1.1-27b,基于同一 Qwen3.8-27B 骨干,Decision Index 总分从 56.4 提升至 61.56,领先 Jev 超过 3.5 分。提升主要来自移除因果掩码及引入 tasksource 等更多训练数据。模型为私有仓库,需 Python 3.12+ 与约 49 GiB 显存,图像决策默认上限 2048×2048 像素,训练与评测时上限为 512×512。
用户 zkhapo 在 Hugging Face Hub 上推送了 abliterated 模型 zkhapo/zkhapo-abliterated-v2,基于 🤗 transformers 自动生成的模型卡。卡片目前缺少模型类型、许可证、训练数据、基座模型等关键信息,仅提示用户注意模型的风险、偏见与局限,更多细节待补充。
zkhapo 在 Hugging Face 上传了名为 zkhapo-abliterated 的 transformers 模型。模型卡为自动生成模板,开发者、许可证、微调基础模型、训练数据等关键信息均标注“待补充”。
AutoTrust AI 在 Hugging Face 开放 GEV-26B-Decide 权重,基于 Gemma-4-26B-A4B-it(26B 参数、每 token 约 4B 激活)。
推荐理由:作者公布了自适应思考的触发阈值、混合方式和各基准前后对比,读者可以据此评估该决策头在推理与分类任务上的取舍。
autotrust 在 Hugging Face 发布 JEV-27B-VL,在 JEV-27B 基础上加入视觉能力,权重基于未修改的 Qwen3.8-27B(Apache-2.0),附 JEV System 1 适配器与决策头。
推荐理由:发布页附上了机器人臂、浏览器操作和多个评测基准的实测数据与对比表,读者可据此评估该视觉决策模型的真实水平。
Liquid AI 发布 3.1B 参数的多模态决策模型 d1-3B,基于 LFM2.5-VL-3B 后训练,对状态(文本、JSON 或图片)中的一组问题一次前向返回带置信度的类型化答案,零输出 token。Decision Index 0.2.1 得分 48.57,高于所有 4B 和 9B 模型及 Decider 35B-A3B(47.11);RTX 4090 上单次决策 8 ms,AMD MI325X 上打包 64 个状态吞吐达 1,106/s。它不是聊天模型,适用于路由、分类、审核、reranking、LLM-as-a-judge 等场景。模型卡:https://huggingface.co/LiquidAI/d1-3B
推荐理由:官方给出了完整基准表和各硬件实测延迟,读者可以据此判断这个 3B 决策模型在自己的部署场景里是否划算。
Microsoft 在 Hugging Face 发布 FrogNano-4B-2609,基于 Qwen3.5-4B 纯强化学习后训练的仓库级编程 Agent。
推荐理由:微软以约 1500 个合成任务做纯强化学习,把 4B 模型的 SWE-bench Verified 分数从 39.4% 提到 61.5%,未依赖更强模型的轨迹。
Comfy-Org 在 Hugging Face 上发布了 Qwen-Image-2.1 的 ComfyUI 重打包模型文件,提供 bf16、int8_convrot 等量化版本。
NVIDIA 发布预训练表格基础模型 Kumo Tabular,支持分类与回归任务,可通过 pip install structured-data-models 安装推理,用带标注样本作为上下文预测新数据的类别概率。模型权重以 OpenMDW 1.1 许可发布。
jialinyyzz 在 Hugging Face 发布 12B 改写模型 humanizer v2(微调自 google/gemma-4-12B,Apache 2.0),用于把 AI 生成的邮件、论文、报告等草稿改写成人类风格,支持中英文并可本地运行。
推荐理由:作者给出与上一版在同一批草稿上的对照数据和分体裁检出率,可据此评估这版改写在事实保真和检测表现上的实际变化。
pyannote 在 Hugging Face 发布说话人日志管线 speaker-diarization-community-1,改进说话人分配与计数,并新增独占式说话人日志输出,便于与转写时间戳对齐。
推荐理由:原文给出十多个学术基准上的说话人日志错误率对比,读者可据此量化该模型相对上一代的实际提升幅度。
MiniMax 开源了 MiniMax H3 的 H3-Base 权重,该系统可统一理解文本、图像、视频与音频,并生成最长 15 秒、带 32 kHz 立体声的视频,768p 输出经 H3-Regenerate-2K 可达 2K。
推荐理由:原文给出 H3-Base 架构细节、权重拆分和 SGLang/vLLM/diffusers 部署命令,可据此自行本地部署复现。
Unsloth 在 Hugging Face 发布 Qwen3.8-27B 的 Dynamic V3.0 GGUF 量化版本,称同等体积下精度比其他所有 GGUF 提供方高出逾 10%。
推荐理由:原文给出了 Dynamic v3.0 量化在同等体积下与其他 GGUF 提供方的精度对比,以及 27B 密切模型的完整架构与部署参数。
zai-org 发布 GLM-5.3 开放权重模型,称其与 GLM-5.2 使用同一 base 模型,全部提升来自后训练。
推荐理由:模型卡逐项列出各基准的评测脚注、采样参数与反作弊措施,并附完整对比表,读者可自行核对编码和漏洞利用成绩的可信度。
Hugging Face 用户 yomie4343 发布 Qwen3.8-Flash-Next-Uncensored 的 MLX Sushi 混合 3/4/8bit(group size 64)加 BF16 SSD Ngram 仓库,全部 115 个文件经哈希校验完成上传,总大小约 156.93GiB,其中 ngram_table.bin 单文件 102.4GB。
burningfeet 在 Hugging Face 发布 Qwen3.6-35B-A3B-Uncensored-Genesis-Final 的 SafeTensors/BF16 重建版,由 MarMix 从 Q8_K_P GGUF 转换而来,非原始无损 BF16 权重,缺失的 vision/MTP 张量复制自 Qwen/Qwen3.6-35B-A3B。
OS-Software 发布 Prism ML 的 Ternary-Bonsai-2-27B 的去对齐版本 Ternary-Bonsai-2-27B-Uncensored-Heretic-v2-GGUF,通过在三元权重中烘焙 OT-Ridge LoRA 实现去对齐,是 v1 的继任版本。
推荐理由:作者给出了v1与v2的拒绝率和MMLU、HumanEval能力损失对比,可据此评估这版去对齐的改善程度与代价。
MarMix 在 Hugging Face 上架 Qwen3.6-35B-A3B-Uncensored-Genesis-Final-Safetensors-MLX-4bit,为 35B 参数模型的 MLX 4bit 量化版本,张量类型为 U32、BF16 与 F32。该模型目前未部署到任何 Inference Provider,月下载量为 12。
shefowl 发布了 Qwen3.8-Flash-Next 的混合精度 GGUF,非专家张量取自 SC117 的 IQ3_XXS 档、路由专家张量取自 Q2_0 档,逐字节复制未重新量化,权重为上游已去拒绝的 abliterated 版本。
推荐理由:作者给出了与 IQ3_XXS 和 Q2_0 档在困惑度、解码速度和内存占用上的实测对比,可据此权衡这套混合量化的取舍。
mradermacher 在 Hugging Face 上发布 Qwopus3.8-27B-Flash-V2-abliterated 的 GGUF 量化版本。
Ars14n 在 Hugging Face 发布 dealignai/GLM-5.3-UNCENSORED-FP8 的 EXL3 量化版(3.04 bpw,273 GiB),上游是对 zai-org/GLM-5.3 做权重编辑(非微调)的去对齐变体。
推荐理由:作者给出了量化前后的 KL 散度和 tau2-bench 对照数据,并指出 glm4_5 解析器会把字符串参数误转整数导致约七成工具调用失败。
Hugging Face 上出现名为 Tmc369/image-editor-ia-uncensored 的模型页面,README 内容为空,未提供任何模型说明。该模型未部署到任何 Inference Provider,下载量未被统计,用户可申请提供商支持。
Hugging Face 提供 abliterated 版 GLM-5.3-Flash 的 GGUF 量化模型(如 UD-Q4_K_XL)的多框架使用方法,涵盖 Transformers、llama.cpp、vLLM、SGLang、Ollama、Docker 等部署方式,并给出 OpenAI 兼容 API 的本地服务器启动与调用示例。
huihui-ai 基于 Qwen/Qwen3.8-27B 用 abliteration 技术制作去审查版 GGUF 模型,仅对部分层(如 22 至 52 层)做消融,MTP 与视觉部分未改动。