MemStrata 论文：本地 Qwen 3.8 27B 读取器在 LongMemEval-500 达 95% 源感知准确率
论文提出源感知评分方法，由裁判先对照完整对话源再评判系统答案，并用本地 Qwen 3.8 27B Q4_K_M 读取器测试 MemStrata CL1。
推荐理由：论文用源感知评分重新衡量长对话记忆基准，同一答案在两种评分下差距明显，提示仅对照参考答案的榜单可能低估系统。
#Qwen
新闻、仓库与研究，按时间排列。
arXiv · cs.CL精选AI 评分6565 Hugging Face · 新模型：uncensoredAI 评分3434 
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。
Hugging Face · 新模型：abliteratedAI 评分4444 Huihui-Qwen3.8-27B-abliterated：Qwen3.8-27B 去审查版本在 Hugging Face 发布
huihui-ai 基于 abliteration 技术发布 Qwen/Qwen3.8-27B 的去审查版本 Huihui-Qwen3.8-27B-abliterated，无需 TransformerLens 即可移除模型拒绝行为。
Hugging Face · 新模型：abliteratedAI 评分1212 Hugging Face 模型仓库 Beached89/Qwen3.8-27B-Q3_K_XL-abliterated 上线
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。
Hugging Face · 新模型：uncensoredAI 评分1818 Qwen2.5-1.5B-Instruct-uncensored 发布 LiteRT-LM 端侧转换版本
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。
Hugging Face · 新模型：uncensoredAI 评分4040 
Shihan420/Qwen-Image-2.1-Uncensored-GGUF 量化版本发布
Hugging Face 用户 Shihan420 发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化版本，提供 BF16、Q8_0、Q6_K、Q4_K_M 等多种格式，其中 Q4_K_M（4.60 GB）被推荐为体积与质量的最佳平衡。
Hugging Face · 新模型：uncensoredAI 评分5757 
Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored GGUF 微调发布
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）。
Hugging Face · 趋势模型精选AI 评分5757 speridlabs 发布 3B 像素空间扩散模型 Iris-3B
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。
Hugging Face · 新模型：uncensored同新闻AI 评分6060 
Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored GGUF 量化发布
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》
Hugging Face · 新模型：uncensored精选AI 评分5858 Qwen3.5-2B 去审查量化版 Q4_K_M 发布，附 Pareto 最优配方与复现配置
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。
Hugging Face · 趋势模型AI 评分3434 Perplexity AI 发布 pplx-decider-v1.1-27b，Decision Index 升至 61.56
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。
Hugging Face · 趋势模型精选AI 评分7676 
autotrust 发布 JEV-27B-VL：为 JEV-27B 增加图像输入的视觉决策模型
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。
Hugging Face · 新模型：uncensored精选AI 评分5858 Qwen3.8-Flash-Next 无对齐量化版发布：4-bit 专家码本 + int8 主干
StillDeadcode 发布 Qwen3.8-Flash-Next 的无对齐版本，消融了原模型的拒绝方向，打包为单一 .rad 容器用于 radiance 推理引擎（AMD RDNA4、ROCm）。
推荐理由：模型卡不仅宣布去对齐，还给出与 bf16 原始权重的全词表 KL 散度和 top-1 一致率数据，可据此评估量化误差。
Hugging Face · 新模型：abliteratedAI 评分3939 Huihui-Qwen3.8-27B-abliterated-GGUF：Qwen3.8-27B 去审查版发布
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。
Hugging Face · 趋势模型AI 评分3333 Comfy-Org 发布 Qwen-Image-2.1 的 ComfyUI 重打包模型文件
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。
Hugging Face · 趋势模型精选AI 评分7878 orcarouter 发布 Qwen3.8-Flash-Next 去对齐版 GGUF 量化（2-bit 至 8-bit）
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。
Hugging Face · 趋势模型精选AI 评分7676 
Unsloth 发布 Qwen3.8-27B Dynamic v3.0 GGUF 量化版
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。
Hugging Face · 新模型：uncensoredAI 评分2626 Qwen3.8-Flash-Next-Uncensored MLX 混合 3/4/8bit BF16 SSD Ngram 仓库上传完成
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。
Hugging Face · 新模型：uncensoredAI 评分3131 burningfeet 发布 Qwen3.6-35B-A3B-Uncensored-Genesis-Final 的 SafeTensors BF16 重建版
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。
Hugging Face · 新模型：uncensoredAI 评分4444 Qwen3.5-4B-Uncensored-HauhauCS-Aggressive 去审查版模型发布
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。
Hugging Face · 新模型：abliteratedAI 评分5050 Huihui-Qwen3.8-Flash-Next-abliterated EXL3 4bit 量化版发布
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。
Hugging Face · 新模型：abliterated精选AI 评分6969 shefowl 发布 Qwen3.8-Flash-Next 混合精度 GGUF 量化版
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 · 新模型：uncensored精选AI 评分6666 Swift-Qwen3.8-27B 无对齐消融版发布，拒绝率从 98/100 降至 15/100
发布 Swift-Qwen3.8-27B 的 abliterated 无对齐版本，采用 orcarouter/Qwen3.8-27B-Uncensored 的单方向拒绝消融方法，从权重差异中恢复拒绝方向后投影到 Swift 的 131 个张量。
推荐理由：原文给出拒绝率与 KL 散度的前后对照数据，以及恢复拒绝方向并投影到 Swift 权重的完整方法，可复现性较强。
Hugging Face · 新模型：abliteratedAI 评分4040 Huihui-Qwen3.8-Flash-Next-abliterated EXL3 5bit 量化版发布
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 · 新模型：uncensoredAI 评分3535 
Qwen-Image-2.1 Uncensored GGUF 量化版本发布
jam2778 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化，基于原始上游权重，提供 BF16、Q8_0、Q6_K、Q4_K_M 等多档文件，Q4_K_M（4.60 GB）为推荐版本，无内置安全审查，可直接生成成人及 NSFW 图像。
Hugging Face · 新模型：abliteratedAI 评分5050 Huihui-Qwen3.8-27B-abliterated GGUF 发布：去审查版 Qwen3.8-27B
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。
Hugging Face · 新模型：uncensoredAI 评分4242 
xtonousou 发布 Qwen3.6-Deckard-40B-Uncensored：经 Heretic 去审查并用 Claude 4.6 Opus 蒸馏数据训练
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。
Hugging Face · 新模型：abliteratedAI 评分3434 huihui-ai 发布 Huihui-Qwen3.5-27B-abliterated：去审查版 Qwen3.5-27B
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。
Hugging Face · 新模型：abliterated同新闻AI 评分6666 
SC117 发布 Swift-1.5-Qwen3.8-Flash-Next 的 abliterated GGUF 版本
SC117 在 Hugging Face 发布 Swift-1.5-Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF，通过字节级张量移植移除拒绝方向。
同一新闻，精选展示《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》
Hugging Face · 新模型：uncensoredAI 评分4343 Nishalove 发布 Suri-Qwen-3.8-27B-Uncensored 无审查模型
Nishalove 发布基于 Qwen3.8 27B 的无审查（去对齐）模型 Suri-Qwen-3.8-27B-Uncensored，在 AdvBench 上取得 94.04% 的分数，HarmBench ASR 为 81.33%。
Hugging Face · 新模型：abliterated精选AI 评分7272 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。
Hugging Face · 新模型：abliteratedAI 评分2828 Huihui-Qwen3.8-27B-Abliterated-Ternary-Bonsai 以 NInfer 单文件格式发布
Hugging Face 上发布 huihui-ai abliterated 版 Ternary-Bonsai 的 NInfer 格式重打包，将去安全化的 Qwen3.8-27B 权重封装为单文件 .ninfer 容器，供 NInfer 引擎读取 t2_g128_fp16 三元表示。
Hugging Face · 新模型：abliterated精选AI 评分5454 drowzeys 发布 keys-GLM-5.3-EXL3-2.75BPW-Abliterated 去对齐版
drowzeys 在 Hugging Face 发布基于 zai-org/GLM-5.3 的 abliterated 量化版本 keys-GLM-5.3-EXL3-2.75BPW-Abliterated。
推荐理由：原文给出 Blackfrost 消融张量的重编码位置与 32 项拒绝率实测数据，可据此判断这个 abliterated 版本改动范围和去对齐程度。
Hugging Face · 趋势模型精选AI 评分8181 
Qwen3.8-Flash-Next 开放权重发布：125B 参数激活 6B，原生 262K 上下文
Qwen 团队在 Hugging Face 开放 Qwen3.8-Flash-Next 权重，这是支撑 Qwen4 架构的实验性预览版本，总参数 125B、激活 6B，另有 51B n-gram 嵌入和 4B MTP。
推荐理由：官方模型卡给出了完整架构细节与多基准对比数据，读者可以据此评估新架构在长上下文和 Agent 任务上的实际表现。
Hugging Face · 趋势模型精选AI 评分6868 
DavidAU 发布 Qwen3.8-27B-TURBO 无审查微调版 GGUF
DavidAU 在 Hugging Face 发布基于 Qwen/Qwen3.8-27B 的多阶段微调去审查版 Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored 的 GGUF 量化。
推荐理由：作者给出了用 Heretic ARA 方法去审查的拒绝率前后数据，并附各量化档位与 Qwen 官方模型的基准对比，可核验其宣称。
Hugging Face · 趋势模型精选AI 评分8181 
ISTA-DASLab 发布 Qwen3.8-Flash-Next GSQ-RCO Coder 压缩版 GGUF 权重
ISTA-DASLab 发布 Qwen3.8-Flash-Next 的 GSQ-RCO Coder 压缩版 GGUF 权重，通过移除一半路由专家并将剩余权重存为 3.5 bpw，使 176.9B 参数模型的常驻显存从 354 GB 降至 29.6 GB，可装入单张 32 GB 加速卡。
推荐理由：原文给出压缩方法细节与 SWE-bench、LiveCodeBench 前后对比，读者可据此评估专家剪枝加量化的实际代价。
Hugging Face · 趋势模型精选AI 评分5858 BFS 面部与身体替换 LoRA 系列在 Hugging Face 发布
Alissonerdx 在 Hugging Face 发布 BFS（Best Face Swap）系列 LoRA，支持面部、头部和身体替换，覆盖 Qwen Image 2.1、Qwen Image Edit 2509/2511、Flux 2 Klein、Krea 2 和实验性 LTX-2 工作流。
推荐理由：BFS 面部与身体替换 LoRA 覆盖 Qwen Image、Flux 2 Klein 等多个基模型，且给出了各版本的输入顺序与强度等使用约定。
Hugging Face · 趋势模型精选AI 评分7878 Prism ML 发布 Ternary-Bonsai-2-27B 三值量化 GGUF 模型
Prism ML 在 Hugging Face 发布 Ternary-Bonsai-2-27B-gguf，将 Qwen3.8-27B 转为三值权重（1.72 bits/weight），语言模型体积从约 54 GB FP16 降至 5.95 GB（PTQ1_0）或 7.21 GB（PQ2_0）。
推荐理由：原文给出三值权重格式、14 项基准对比和跨平台吞吐数据，读者可以据此评估 1.72 bits/weight 量化在本地部署中的实际取舍。
Hugging Face · 趋势模型精选AI 评分6060 OrcaRouter 发布 OrcaSAQ2 27B Cyber Uncensored GGUF 量化权重
OrcaRouter 发布 OrcaSAQ-2-27B-Uncensored GGUF，将无对齐的 Qwen3.8-27B 从 54.7 GB BF16 压缩到 15.7 GB，PPL 仅 +0.80%，Top-1 agreement 94.4%，mean KLD 0.020。
推荐理由：原文给出了量化后与 BF16 基线的 PPL、Top-1 agreement 和 KLD 对照数据，可据此评估这类高压缩权重的保真程度。
Hugging Face · 趋势模型精选AI 评分7272 Viggle 发布 Qwen-Image-2.1 蒸馏加速版 turbo，6 步生成比 40 步基座快约 5 倍
Viggle 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的少步蒸馏版本 Qwen-Image-2.1-viggle-turbo，以 LoRA 形式实现 6 步生成替代 40 步，无需 CFG，端到端约快 5 倍，质量与基座接近。
推荐理由：原文给出蒸馏步数、速度倍数、各量化格式的 LPIPS 对比和已知短板，读者可据此判断该 LoRA 是否适合自己的部署场景。