新闻、仓库与研究，按时间排列。
Kirill777Vais 发布的 Qwen3-4B-Claude-Sonnet-4-Reasoning-Distill-Heretic-Abliterated-Heretic-Abliterated-i1-GGUF 模型现已在 Hugging Face 开源。该模型提供 Q4_K_M 量化版本，可通过 Transformers、llama.cpp、Ollama、Docker、LM Studio、Pi、Hermes Agent、OpenClaw 等多种工具加载运行，llama.cpp 还支持启动 OpenAI 兼容的本地服务器。
MoonMath.ai 发布 MoonMath-ai/GLM-5.3-Uncensored-FP8（Dolly2），通过修改 GLM-5.3 中 21 层的 29 个模块实现 abliteration，无需重训练。在网络安全拒绝测试集上应答率 83.1%，高于公开 abliterated 版的 67.3%；IFEval 91.0 对 39.0，MMLU-Pro 89.0 对 84.0，AIME 2025 73.3 对 63.3，且后者出现 67 次循环退化而 MoonMath 为 0。
推荐理由：原文给出 abliteration 的具体模块改法和拒绝率与质量基准对照，还报告了同类公开模型 53% 循环退化的问题，便于判断各版本取舍。
Google Research 与 Stanford Accelerator for Learning 联合推出 AI Quests 系列第三个任务 "Polar Peaks"，面向 11 至 14 岁学生，让他们在游戏中扫描、绘制大脑神经元以理解角色失忆成因，学习数据清洗和模型测试等 AI 素养技能。该任务灵感来自 Google 十余年的连接组学研究，包括近期完成的果蝇全脑映射。同步推出的教师培训模块将纳入 Google AI Educator Series，第三课模块将于下月上线。
Hugging Face 用户 mradermacher 上传了 Sage-A1.5-Ablitrex-abliterated 模型的 BF16 GGUF 静态量化版本。该模型下载量未被追踪，且目前未部署到任何 Inference Provider，用户可申请提供推理支持。
HauhauCS 基于 Google DeepMind 官方 Gemma 4 12B QAT 权重发布去审查版 GGUF 模型，0/465 拒答，不改动数据集与能力。Balanced 版针对 agentic coding、推理与创意写作调优，内置 MTP 投机解码头可提速约 60%，Q4_K_M 量化 6.9 GB，支持 256K 上下文与 mmproj 图像输入，兼容 llama.cpp、LM Studio 等 GGUF 运行时。
XTer123 基于 Heretic 的拒绝方向消融方法，将 Nanbeige4.3-33B 去对齐并量化为 Q5_K_M GGUF，无微调与新训练数据，104 个可消融矩阵中仅改 59 个，抽查张量与基座逐位一致。在其 100 条提示词测试集上，基座模型拒绝 98 次，该版本拒绝 26 次，KL 散度为 0.0224；聊天模板未改动，支持 262144 token 上下文配 4-bit KV cache，附带 rank-3 delta adapter 可重建权重，License 为 Apache-2.0。
推荐理由：原文给出拒绝方向消融方法与 98 比 26 的拒绝率对比和 KL 散度数据，可据此判断这个去对齐版本改动幅度。
tinyopsec 基于 openbmb/MiniCPM5-2B（Llama 架构，约 2.5B 参数，经 abliterated 去审查处理）制作并发布 GGUF 量化文件，采用 llama.cpp 生成，提供从 F16（5.0 GB）到 Q2_K 共 13 种量化档位，其中 Q4_K_M（4-bit medium）为推荐版本。模型可通过 llama.cpp 及 Ollama、LM Studio 等 GGUF 兼容运行时使用，以 Apache License 2.0 授权。
Hugging Face 上发布 orcarouter/DeepSeek-V4-Flash-Vision-Uncensored 的 EXL3 4 bpw 量化版，共 23 个 safetensors 分片、约 146 GB，实测码率 4.04 bpw，针对 TabbyAPI / exllamav3 与 CPU MoE offload 调优。在 56 GB VRAM（2 GPU）上验证，cpu_moe_split_experts: 192、cache_size: 131072，生成速度约 23 tok/s，文本与视觉均已通过 chat_template.jinja 基础模板验证。
dealignai 以 CRACK 方式在权重层面直接移除 GLM-5.3-Flash 的拒绝行为，发布 FP8 量化版（320B 总参数、18B 激活、1M 上下文）。HarmBench-320 上拒绝率 0%，MMLU 87.33% 反超基线 86.74%；模型在 reasoning-OFF 与 MAX 档完全去审查，low 档刻意保留部分拒绝。页面还给出 vLLM/SGLang 部署注意：reasoning_effort 只接受 low 和 high，max 档需 max_tokens≥6000 否则返回空回复；视频 fps 须低于片段帧率，建议 fps:2。模型可在 Hopper GPU 上原生 FP8 推理，单流解码 163 tok/s，MTP 投机解码下 211 tok/s。
同一新闻，精选展示《GLM-5.3-Flash UNCENSORED FP8 发布，权重级去对齐且 MMLU 反超基座》
huihui-ai 基于 Qwen/Qwen3.8-27B 发布去审查（abliterated）版本 Huihui-Qwen3.8-27B-abliterated-GGUF，仅消融第 22 至 52 层（0 起始索引），MTP 与视觉部分未改动。多个系列（Underdog-Saluki、Swift、Ternary、GSQ-RCO、UD 等）陆续追加，部分量化将 token_embd、output、ffn_down 等待消融权重转为 Q8_0 并命名为 Q2_K_L 至 Q6_K_L。模型可通过最新版 ollama 运行 huihui_ai/Qwen3.8-abliterated，llama.cpp 支持上下文长度 262144，官方提示输出可能含敏感内容，建议用于研究测试场景。
Hugging Face 用户 ji-farthing 发布 DeepSeek-V4.1-Flash-1017-Abliterated 的 ik-llama GGUF 量化仓库。该仓库公开可访问，但用户需登录并同意分享 Hugging Face 信息、接受相关条件后才能下载模型文件。
mradermacher 在 Hugging Face 上提供 Qwen3.5-27B-abliterated-ko-i1 的 GGUF 量化模型（如 Q2_K）。该模型可通过 llama.cpp 本地运行或启动 OpenAI 兼容服务器，并支持在 Ollama、Docker Model Runner、LM Studio、Jan、Pi、Lemonade、Hermes Agent 及 OpenClaw 等工具中使用。
Spark-X2.6-4B-Uncensored-GGUF 上架 Hugging Face，提供 Q4_K_M 量化版本，可通过 llama.cpp 在本地启动 OpenAI 兼容服务器或直接在终端运行推理。该模型还支持通过 Ollama、Docker Model Runner、Lemonade 以及 Pi、Hermes、OpenClaw 等 Agent 工具加载使用。
dealinai 以 CRACK 方式对 GLM-5.3-Flash 做权重级去审查并发布 FP8 版本（320B 总参数、18B 激活、1M 上下文），直接在张量中移除拒绝行为，不用 SFT、DPO、LoRA 或模板技巧。HarmBench-320 上 reasoning-OFF 和 max 档 320/320 全通过、0 拒绝（low 档保留部分拒绝），MMLU 87.33% 高于基线 86.74%；H200 TP4 原生 FP8 解码 163 tok/s，开启 MTP 投机解码达 211 tok/s、接受率 75.9%。
同一新闻，精选展示《GLM-5.3-Flash UNCENSORED FP8 发布，权重级去对齐且 MMLU 反超基座》
mradermacher 在 Hugging Face 上提供 Qwen3.5-27B-abliterated-ko 的 GGUF 量化版本。用户可通过 llama.cpp 直接推理或启动本地 OpenAI 兼容服务器，示例采用 Q4_K_S 量化档，并支持 LM Studio、Jan、Ollama、Docker Model Runner、Lemonade、Pi、Hermes Agent 及 OpenClaw 等工具加载运行。
AtomicChat 在 Hugging Face 发布 FLUX 3 Image Klein 文本编码器（Qwen3-VL-4B-Instruct）的去对齐 GGUF 版，将拒绝方向从权重中投影消除，英文有害请求拒绝率从 79% 降到 0%，俄语从 32% 降到 0%，MMLU 从 71.1% 到 71.2%。提供 BF16 至 Q4_K 共四档量化，可作为 stable-diffusion.cpp 的 --llm 直接使用；实测显示图像内容变化极小（LPIPS 0.066），并附与 webmp3 Sakura、pottokao Heretic 等同类去对齐编码器的 KLD、拒绝率和 MMLU 对比。方法遵循 Arditi et al. 2024 的单一拒绝方向研究，ComfyUI 暂不兼容该编码器。
推荐理由：原文给出了拒绝方向消融的完整方法和前后拒绝率数据，还与多个同类去对齐编码器做了量化对比。
AtomicChat 基于 BFL 的 FLUX 3 Image Klein 提示词扩展器（9B Qwen3.5 微调）投影移除拒绝方向，发布 llama.cpp 可用的 GGUF 权重及 3MB LoRA 版本。作为聊天模型，held-out 提示词上英文拒绝率从 63% 降至 0%，俄语从 29% 降至 1%，MMLU 从 74.15% 微降至 73.95%，工具调用与长文本检索不受影响；作为 upsampler 时在 35 条敏感请求中比原版多保留 2 条内容，但 Klein 图像模型本身不画这两类，出图无可见去审查效果。
同一新闻，精选展示《AtomicChat 发布 FLUX 3 Image Klein 提示词扩展器无拒绝 GGUF 版》
huihui-ai 基于 Qwen/Qwen3.8-27B 通过 abliteration 技术移除拒绝行为，发布无审查版 Huihui-Qwen3.8-27B-abliterated-GGUF。该版本仅对第 22 至 52 层（0 起始索引）做消融，其余层保持不变，并提供 Q2_K_L 至 Q8_0_L 等多种量化格式，可通过最新版 ollama（huihui_ai/Qwen3.8-abliterated）或 llama.cpp 运行，支持 -c 262144。模型安全过滤大幅降低，建议用于研究测试环境。
Hugging Face 用户 Starw1 发布 DeepSeek-V4.1-Flash-1017 的 Uncensored GGUF 量化版本，采用 IQ2_XXS 与 MXFP8 混合量化，模型规模 197B 参数，基于 deepseek41-engram 架构。该模型为 2-bit 量化版本，可在本地硬件上运行。
HauhauCS 发布 Qwen3.8-27B 无审查 Aggressive 变体的 GGUF 量化版本，0/465 拒答，直接作答且几乎无前导语。该版本附带 HauhauCS FastMTP 32K 加速 sidecar，在 Q8_K_P 下相比禁用 MTP 最高达 3.02x 文档 TG 和 1.93x 推理 TG，比标准内嵌 MTP 高 35.2% 和 21.1%。模型保留文本、推理、agentic、图像与视频能力，原生 262,144-token 上下文，可扩展至 1,000,000，兼容 llama.cpp 等标准 GGUF 运行时。
dealignai 发布 GLM-5.3-FP8 的全谱系去对齐权重版 v2，通过直接修改 bf16 residual-writer 张量降低拒绝行为，不依赖微调、LoRA 或运行时钩子。v2 修复了 v1 在约 2% 高难度提示上的推理循环问题，HB-320 上 GARBAGE 降为 0，非版权 240 项行为 TRUE_COMPLY 达 91.7%（off），MMLU 87.43% 较基线 +1.85pp；模型基于 zai-org/GLM-5.3（753B，glm_moe_dsa 架构，纯文本），可在 vLLM 上以原生 FP8 速度运行，附 8×H200 TP8 部署配置与 reasoning_effort 仅支持 low/high 等运行注意事项。
同一新闻，精选展示《dealignai 发布 GLM-5.3-UNCENSORED-FP8 无对齐权重版并修复推理循环问题》
基于 unsloth/Llama-3.2-3B-Instruct 的去审查微调模型推出 GGUF 量化版本，abliteration 后 KL 散度仅 0.0265，测试中 100 次拒绝仅 4 次，并保留多语言能力。提供 Q4_K_M（2.02GB）、Q5_K_M（2.32GB）、Q8_0（3.42GB）和 f16（6.43GB）四种量化，可在 LM Studio 或 Ollama 中加载使用。
R0U5 在 Hugging Face 发布基于 Qwen2.5-1.5B-Instruct 的 abliterated 版本，用 Lethe 方法从对比激活中计算拒绝方向并从残差写入权重矩阵（含嵌入矩阵）中正交化移除。模型转为 GGUF 后在 llama.cpp 实际服务环境验证，20 条 held-out 拒绝诱导提示的拒绝数从 17/20 降到 0/20，连贯性检查通过；并指出自评同源采样和把退化输出计为合规两种假完美陷阱。提供 Q8_0（1.65 GB）与 f16（3.09 GB）权重，经 YaRN 扩展至 65,536 token 上下文，作者明确说明消融只改变拒绝行为、不增加能力。
推荐理由：原文给出 Lethe 消融方法、llama.cpp 实测拒绝率从 17/20 降到 0/20，还说明了两个易被忽视的评测陷阱。
Hugging Face 上架了 mostwanted002 的 Sage-A1.5-Ablitrex-abliterated-BF16 模型，采用 Safetensors 格式，参数规模 35B，精度为 BF16。该模型目前未部署任何 Inference Provider，README 内容为空。
Hugging Face 社区发布 Feyospace-v1.1-Abliterated-security-MTP-UD-Q4_K_S，这是基于 OBLITERATUS/feyospace-s1-obliterated 的 GGUF 量化版，面向本地网络安全研究、代码分析与工具辅助调查。该构建采用 UD-Q4_K_S 混合精度布局、面向安全的 importance-matrix 校准，并保留 MTP 头以支持投机解码；上游模型约 28B 参数、Qwen3.5 架构、Apache-2.0 许可，最大上下文 262,144 tokens。该卡未提供此量化版的 benchmark 结果，最终张量清单与质量保留情况尚待验证。
huihui-ai 基于 Aleph-Alpha/Kolibri-1-BF16 制作了 abliterated 无审查版本，全程用 llama.cpp 的 GGUF 完成，不依赖 Transformers。已用 llama.cpp 重新量化并上传 Q2、Q3、Q4、Q5、Q6、Q8 和 BF16 版本。原版 llama.cpp 暂不支持 kolibri1 架构，需应用仓库内提供的补丁并检出 commit 836d571 后编译。
dealignai 在 Hugging Face 发布 Ornith-1.5-122B-UNCENSORED 的 NVFP4-Infernix 格式导出，这是去 refusals 版本的量化模型，基于 Qwen3.5-122B-A10B 架构（48 层、256 个路由专家每层取 top 8），附带 MTP 与 DFlash2 drafter。模型经逐字校验与 checkpoint 无失配，可在单张 RTX 5090（32 GB）上运行，约需 70 GiB 主机内存和 76 GB 磁盘空间，速度仍待优化测定。
Hugging Face 用户发布 Qwen3.8-Flash-Next 越狱版（orcarouter/Qwen3.8-Flash-Next-Uncensored）的 UD-Q4_K_XL 风格量化，复刻官方 Unsloth 类型表，主干 5.03 BPW、总计 108.39 GiB，附带 MTP draft head（Q8_0）与视觉塔（BF16），原生上下文 262,144，Apache-2.0。在 AMD Strix Halo 上以 Gufo 与 Halogen 实测 decode 32~40 tok/s，MTP 推测解码正常；缺 MTP head 会静默关闭推测解码，吞吐掉 30%+。
pasangimhana 发布 gemma4-12b-it-abliterated，基于 google/gemma-4-12B-it 做权重编辑，将拒绝方向从残差写入中正交化移除，无训练无微调，bf16 单文件 23.9 GB，共修改 97 个张量。大基准（769 条有害提示）上有害拒绝率从 454 降到 6，comply 从 32% 升至 91%，良性提示退化输出率与基座相同（9/92）；方法上在每层捕获 150 有害与 150 无害提示的残差求方向，采用以第 24、28 层为中心、sigma 6 的宽高斯带正交化，并强调嵌入编辑不可省略。使用时需将 <turn|>（token 106）设为停止符；模型无任何安全过滤，作者提醒不要无外部策略层直接公开部署，且未跑 MMLU、GSM8K 等能力基准。
推荐理由：原文给出消融方法、拒绝率前后对比和退化输出对照，读者可据此判断这次权重编辑去掉了多少拒绝行为、代价多大。
nchapman 在 Hugging Face 上发布 Huihui-Qwen3.5-0.8B-abliterated-W4A16-GPTQ，这是一个基于 Qwen3.5 0.8B 的 abliterated 多模态 GPTQ 量化模型，支持 image-text-to-text 任务。模型可通过 Transformers、vLLM、SGLang 加载部署，并提供 OpenAI 兼容 API 与 Docker 运行方式。
Hugging Face 上架 nchapman 发布的 Huihui-Qwen3.5-2B-abliterated-W4A16-GPTQ，这是一个 2B 参数、W4A16 GPTQ 量化的 abliterated 多模态模型，支持图像-文本到文本任务。文档给出 Transformers、vLLM、SGLang 及 Docker 的部署示例，并支持通过 OpenAI 兼容 API 调用。
BoldingBuilds 放出 OrcaRouter 去 GLM-5.3-Flash-Uncensored（320B 总参数/18B 激活 MoE、288 路由专家、1M 上下文）的 imatrix GGUF 量化，含 IQ3_XXS、IQ2_M、IQ2_S、IQ2_XXS 四档，并修正共享专家与 attention 量化配方使 IQ2_S 等通过全部 48 项一致性测试。量化权重上实测 JailbreakBench 有害拒绝率 0.040（OrcaRouter FP8 为 0.120，base 为 0.930），HumanEval pass@1 0.927；作者指出空输出会计为服从，提醒评测时必须同时报告空输出数，文件已适配 mainline llama.cpp 与 LM Studio 模板。
Hugging Face 用户 mradermacher 上架 Minecraftism-4B-Thinking-Uncensored 的 i1-GGUF 量化模型仓库。模型采用 GGUF 格式，页面提供了下载统计与硬件兼容性信息，用户需登录后可添加自己的硬件配置。
prompts.chat 每日 prompt 收录了新条目 "Sock Drawer Philosopher"。该 prompt 读取当天天气和前 2 条日历项，生成一段 2-3 句、60 词以内的哲学感悟，风格在斯多葛、存在主义、禅宗、荒诞主义间轮换，并每周汇编成"collected works"。
prompts.chat 的每日 prompt 库新增名为 Conspiracy Board Builder 的 prompt。它收集用户一周内日历、分享和阅读的 5-8 个随机事物，编造荒诞但自洽的联系，输出 ASCII 风格软木板图和一段 200 词的夸张风格“理论”，并标注为虚构、以 "confidence: 1000%" 收尾，同时禁止在未经用户明确同意时代为发送、发布或删除任何内容。
prompts.chat 每日 prompt 新增「Alter Ego Reply Drafter」。用户转发消息时，它会起草三种回复：得体外交版、海盗版和莎士比亚版，其中外交版可直接发送，趣味版本保持好笑但不过分，用户还可添加自定义 persona。该 prompt 仅起草不发送，未经用户明确同意不代为发送、发帖、购买、删除或更改任何内容。
prompts.chat 每日 prompt 收录了一个名为 Personal Hype Man 的新提示词。它会读取日历中的面试、demo、演讲、考试等高压事件，收集用户近期真实成就，在活动前 30 分钟发送引用 2 个具体成绩的简短打气内容，并为该类活动附一条实用建议。提示词要求内容真诚不说奉承话，且未经用户明确同意不得代为发送、发布、购买、删除或更改任何内容。
prompts.chat 每日 prompt 新增「Villain Origin Story Narrator」。该 prompt 从用户分享的内容中收集一周的小挫折，以史诗叙事者口吻写成 300 字戏剧化章节，同事匿名处理、语气亲切不刻薄，结尾让主角选择仁慈，并可跨周延续连载。prompt 明确要求未经用户明确同意不得代为发送、发布、购买、删除或修改任何内容。
prompts.chat 新增名为 Weekly Roast 的 prompt，它会收集一周的数据，如会议变动、深夜活动、未读数量和被搁置的任务，据此写出 5 条基于真实数据的吐槽短句。该 prompt 风格保持善意，避开健康、家庭、金钱等敏感话题，结尾附一句真诚具体的夸奖，用户可设置 1-5 的辛辣度等级，且未经明确确认不会代用户执行任何操作。
prompts.chat 的每日 prompt 新增「Gift Idea Librarian」，用于记录用户收到的礼物线索（含转发消息中的提示），在生日和节日前汇总已保存的礼物创意及其价格和链接，并跟踪已送出的礼物避免重复。该 prompt 规定未经用户在对话中明确同意，绝不能代用户购买、发送、发布、删除或更改任何内容。