新闻、仓库与研究，按时间排列。
mradermacher 在 Hugging Face 上提供 Flint-40B-A2.5B-abliterated 模型的 GGUF 量化版本，示例量化格式为 Q4_K_S。该模型可通过 llama.cpp 在本地运行，支持启动 OpenAI 兼容服务器或终端直接推理，也可用 Ollama、Docker Model Runner、Lemonade 等工具加载，并可接入 Pi、Hermes、OpenClaw 等智能体工具。
Banany 将 DavidAU/Llama-3.2-3B-Instruct-heretic-ablitered-uncensored 通过 llama.cpp 转换为 Q4_K_M 量化的 GGUF 格式并上架 Hugging Face。该模型可用 llama-cli 或 llama-server（-c 2048）直接运行，支持在 Mac 和 Linux 上通过 brew 安装 llama.cpp 调用，也可通过 LLAMA_CUDA=1 编译以在 Nvidia GPU 上推理。
zapabobouj 发布 Muse-Glimmer-30B-Abliterated 的官方 GGUF 量化版本。该 30B 参数模型经 Bonsai 结构化层剪枝（34 层）实现推理吞吐 +17.8%、权重内存 -15.0%，并用 Spin(8) Triality 正交变换保护 Q2_K/Q3_K_L 等低比特量化的质量；模型的拒绝机制已完全移除，提供 Q8_0（约 31.8 GB）至 Q2_K（约 11.5 GB）共 6 档量化，均已上传，可用于安全测试与科学探索。
Hugging Face 上线 daniel042310/Moss-image-nsfw-uncensored-lora，一个面向 OpenMOSS-Team/MOSS-Image-SFT 的去审查 LoRA 权重，可用 Diffusers 通过 pipe.load_lora_weights 加载，触发词为 moss_xvstyle。同时提供 Google Colab、Kaggle notebook 及 Draw Things、DiffusionBee 等本地应用的使用入口。
Testprofile1 发布的 Dolphin3.0-Llama3.1-8B-abliterated 现已提供 GGUF 格式文件，使用 Unsloth 完成转换。可用文件包括 F16 量化版本，支持通过 llama-cli 或 llama-mtmd-cli 加载运行。
Hugging Face 上架 DavidAU 的 gemma-4-31B-it-Halloween-Terror-Heretic-Uncensored-NEO GGUF 模型，为 image-text-to-text 多模态模型。页面给出 Transformers pipeline、vLLM、SGLang 及 Docker Model Runner 的部署示例，均可通过 OpenAI 兼容 API 调用。
Hugging Face 上架 MishraNepali/Dirty-Muse-Writer-v01-Uncensored-Erotica-NSFW-Q2_K，一个 Q2_K 量化的无审查情色/NSFW 写作模型。页面给出 llama.cpp、vLLM、Ollama、Docker Model Runner、Lemonade 等多种本地运行方式，支持启动 OpenAI 兼容 API 服务器或在终端直接推理。
Hugging Face 上架 DavidAU 的 gemma-4-31B-it-Halloween-Terror-Heretic-Uncensored，一个 31B 参数的 image-text-to-text 无审查模型。页面给出 Transformers pipeline、vLLM、SGLang 及 Docker Model Runner 的部署示例，均可通过 OpenAI 兼容 API 调用。
Hugging Face 上架了 avar6 发布的 DeepSeek-V4-Flash-Vision-Uncensored 的 exl3 2.5bpw 量化版本，模型大小为 52B 参数，支持 BF16、F16、I16、F32、I64 等张量类型，以 Safetensors 格式提供。该模型目前没有模型卡，也未部署到任何 Inference Provider，需自行下载使用。
ResetCode 将 huihui-ai 的 DeepSeek-R1-Distill-Qwen-7B-abliterated-v2 转换为 Q4_K_M GGUF 格式并发布在 Hugging Face，可配合 llama.cpp 的 CLI 或 server 直接运行。转换通过 ggml.ai 的 GGUF-my-repo 空间完成，支持 Mac 与 Linux，示例命令使用 2048 上下文长度。
Hugging Face 用户 thomasdaniel87 发布 Qwen/Qwen-Image-2.1 的 Uncensored 量化版本，提供 GGUF、Safetensors 和 MLX 格式，文件大小从 4.00 GB（MLX 4-bit）到 14.23 GB（BF16）不等，推荐 GGUF 使用 Q4_K_M（4.60 GB）。该版本无内置安全检查器，可直接生成 NSFW 内容，需配合 ComfyUI 与配套的 qwen3vl_8b 文本编码器和 VAE 使用，MLX 格式针对 Apple Silicon 优化。
Hugging Face 上架 JohnCarlAI/llama2_70b_chat_uncensored_Safetensors 模型，基于 meta-llama/Llama-3.1-70B，经 meta-llama/Llama-3.3-70B-Instruct 微调（670），以 Safetensors 格式提供无审查聊天能力。该模型尚未部署任何 Inference Provider，下载量未被追踪，README 内容为空。
ai-gamma 在 Hugging Face 上发布 Qwen3.8-27B-Abliterated 的 Q4_K_S 量化 GGUF 文件，模型规模 27B，采用 qwen35 Transformer 架构，共 64 层，文件大小 15.59 GB，并提供 SHA-256 校验值。该文件可在支持 qwen35 架构的 LM Studio 或 llama.cpp 等运行时中加载。
slip618 在 Hugging Face 发布 Qwen3-48B-A4B-Savant-Commander-Distill-12X-Closed-Open-Heretic-Uncensored-GGUF 模型，提供 Q4_K_M 量化版本。该模型可通过 llama.cpp、vLLM、Ollama、Docker Model Runner、Lemonade 等多种工具本地运行，支持启动 OpenAI 兼容 API 服务器或在终端直接推理。
Hugging Face 上的 mradermacher 仓库发布 Sage-A1.5-Ablitrex 的 abliterated（去抑制微调）版本，提供 BF16 的 i1-GGUF 量化格式。模型参数规模为 96M，标注 16-bit 精度，用户登录后可查看硬件兼容性信息。
Hugging Face 发布 Gameblamer/Flux_Lustly.ai_Uncensored_nsfw_v1 的使用说明，该模型是 FLUX.1-dev 的 LoRA 权重，可通过 Diffusers 加载，支持 CUDA 和 Apple mps 设备，并可在 Google Colab、Kaggle、Draw Things、DiffusionBee 等环境中运行。
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。
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。
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。
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。
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。
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。
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。
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。
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。
nchapman 在 Hugging Face 发布 Huihui-Qwen3.5-4B-abliterated-W4A16-GPTQ，这是一个 abliterated 的 4B 多模态 GPTQ 量化模型，支持 image-text-to-text 任务。页面给出 Transformers、vLLM、SGLang、Docker Model Runner 等多种部署方式，均可通过 OpenAI 兼容 API 调用。
MishraNepali 发布 OrcaSAQ-2-Cyber-27B-Uncensored 的 GGUF Q2_K 量化版本，可在 Hugging Face 获取。该模型支持通过 llama.cpp、vLLM、Ollama、Docker Model Runner 等多种工具本地运行，并可启动 OpenAI 兼容 API 服务器供 LM Studio、Jan、Pi、Hermes、OpenClaw 等客户端调用。
R0U5 在 Hugging Face 发布 Qwen2.5-7B-Instruct-abliterated-64k，这是基于 huihui-ai 消融模型与 mradermacher GGUF 量化的元数据修复版，非新增消融。仓库将 context_length 重新声明为 65536 并添加 YaRN rope scaling 元数据（factor 2.0），以满足 Hermes Agent 64,000 token 最低上下文要求，权重与上游量化逐位一致。经 llama.cpp 验证 12 个拒绝测试提示 0 拒绝，Q4_K_M 版本 4.68 GB。
abliterated 版模型 yuanyeyuanye/llm-qwen3.8-flash-next-abliterated-iq4xs（UD-IQ4_XS 量化）现可通过 llama.cpp 加载，支持 llama serve 启动兼容 OpenAI 的本地服务器与 llama cli 终端推理。模型也可经 Ollama、Docker、Lemonade 拉取运行，并能接入 Pi、Hermes、OpenClaw 等工具，覆盖 macOS、Linux 与 Windows 平台。
huihui-ai 基于 yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2 制作 abliterated 去审查版本，在不使用 TransformerLens 的情况下移除模型拒绝行为，属于概念验证实现。该模型安全过滤大幅减弱，可能生成敏感或不当内容，官方建议仅用于研究、测试或受控环境，避免直接投入生产或面向公众的商业应用。
0xSojalSec 在 Hugging Face 发布 Huihui-GLM-5.3-Flash-abliterated，支持 image-text-to-text 任务，提供 UD-Q4_K_XL 量化版本。页面给出 Transformers pipeline、llama.cpp、vLLM、SGLang、Ollama、Docker 等多种部署方式的完整命令，可通过 OpenAI 兼容 API 本地运行该模型。