新闻、仓库与研究，按时间排列。
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》
作者发布基于 Abliterix SOM 方法对 Qwen3.5-2B 去审查后的 Q4_K_M 量化版本，选用综合表现最优的 Trial #107，拒绝率 0.49%（2/408），KL 散度 0.2686 nats/token。
推荐理由：原文给出各拒绝率档位的 Pareto 最优解及 KL 散度数据，读者可据此比较不同去审查配方的拒绝率与知识损伤权衡。
jessedye90 发布 qwen3.8-flash-next-swift-uncensored，在 UkisAI Swift 1.5 对 Qwen3.8-Flash-Next 的 INT4 W4A16 微调权重内投影掉拒绝方向，文件布局、大小和推理速度与基座一致。
推荐理由：原文给出量化网格内消融的具体做法和 AdvBench、代码任务等前后实测对比，可据此评估去对齐的代价。
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。
AzynTT 在 Hugging Face 发布 Kimi K3（2.8T 参数 / 104B 激活 / 896 experts top-16）的 abliterated GGUF 量化 IQ1_S-XS，共 539.7 GiB、34 分片，将拒绝方向从写入残差流的 279 个张量中正交化移除。
推荐理由：原文给出拒绝率、过度拒绝、答非所问三率实测和完整消融方法，还如实标注样本量不足的统计局限。
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。
DarkRomeo88 在 Hugging Face 发布面向 ComfyUI 重打包的 Qwen3.5-9B-UNCENSORED-Heretic 去审查模型文件，提供 INT8_convrot、W4A8、W6A8 三种版本，需放入 ComfyUI/models/text_encoders/ 目录，已在 ComfyUI v0.38+ 上测试可用。
huihui-ai 基于 yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF 制作并发布 abliterated 去审查版 GGUF 模型，整个消融过程完全使用 llama.cpp 完成，不依赖 Transformers。
huihui-ai 基于 Qwen/Qwen3.8-27B 通过 abliteration 技术去除拒绝回复，发布无审查版 Huihui-Qwen3.8-27B-abliterated-GGUF，仅对 22 至 52 层（0 起始索引）做消融，其余层保持原样。
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。
orcarouter 在 Hugging Face 放出 Qwen3.8-Flash-Next 的去对齐（abliterated）GGUF 量化版本，覆盖 2-bit 到 8-bit，供 llama.cpp 运行。
推荐理由：原文给出消融后拒绝率从64-100%降到约0-3.3%、能力与基线差±2分以内的实测数据，并说明各量化的取舍。
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。
HauhauCS 基于 Qwen3.5-4B 推出去审查的 Aggressive 变体，在 0/465 拒答测试下完全去除拒绝回复且不损失原始能力，提供 BF16（7.9 GB）至 Q4_K_M（2.6 GB）多种 GGUF 量化。
Pwdz-1 Uncensored 是基于 GLM-5.3-Flash 架构的 320B 级稀疏 MoE 多模态模型，原生视觉塔支持图文输入，上下文窗口达 1,048,576 token，经无拒绝微调可直答不回避。
Hugging Face 用户发布 Huihui-Qwen3.8-Flash-Next-abliterated 的 4.05 bpw EXL3 量化版本，基于修正后的 BF16 源权重以 strength1.0 消融后量化，包含 MTP、视觉和 n-gram 表。
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。
Hugging Face 用户发布 Huihui-Qwen3.8-Flash-Next-abliterated 的 3.05 bpw EXL3 量化版本，基于修正后的 BF16 源权重以 strength1.0 消融后重建，包含 MTP、视觉和 n-gram 表，无需运行时消融 hook。
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 上发布 Huihui-Qwen3.8-Flash-Next-abliterated 的 5.05 bpw EXL3 量化版本，基于修正后的 BF16 源权重以 strength1.0 消融后量化，包含 MTP、视觉和 n-gram 表，无需运行时消融 hook。
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。
minas2025 基于 Gemma 4 E2B 的 Heretic-abliterated 版本发布对话向微调模型，经 1,000 步 QLoRA 训练并量化为 GGUF，Q8_0 文件约 5.1 GB，可在 llama.cpp、LM Studio、KoboldCpp 等本地运行。
Pwdz-2 Abliterated 基于 GLM-5.3-Flash 架构的 320B 级稀疏 MoE 模型，通过权重空间消融移除拒绝行为，保留完整推理与指令遵循能力。
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。
xtonousou 在 Hugging Face 上发布 Qwen3.6-Deckard-40B-Uncensored，将 Qwen 3.6 27B 稠密扩展至 40B 参数，先经 Heretic 完全去审查，再用 Deckard/PDK 数据集和 Claude 4.6 Opus 蒸馏数据经 Unsloth 训练。
huihui-ai 基于 Qwen/Qwen3.5-27B 通过 abliteration 技术去除拒绝回复，发布无审查版本 Huihui-Qwen3.5-27B-abliterated，属于概念验证实现，不依赖 TransformerLens。
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。