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。
#abliterated
新闻、仓库与研究，按时间排列。
Hugging Face · 新模型：abliteratedAI 评分3939 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 · 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4242 Huihui-Qwen3.8-Flash-Next-abliterated EXL3 3bit 量化版发布
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。
Hugging Face · 新模型：abliteratedAI 评分2828 mradermacher 发布 Qwopus3.8-27B-Flash-V2-abliterated GGUF 模型
mradermacher 在 Hugging Face 上发布 Qwopus3.8-27B-Flash-V2-abliterated 的 GGUF 量化版本。
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4646 minas2025 发布 Gemma-4-E2B-Conversational-Uncensored GGUF 微调模型
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。
Hugging Face · 新模型：abliteratedAI 评分4848 Pwdz-2 Abliterated 发布：基于 GLM-5.3-Flash 的去拒绝多模态模型
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。
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：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：uncensored精选AI 评分7272 DeepSeek-V4.1-Flash 无对齐 EXL3 量化版发布，可在 2× DGX Spark 上运行
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。
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：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：abliterated精选AI 评分6868 TechPrototyper 发布 Gemma4-31B 6-bit 量化版的原格式去对齐权重
TechPrototyper 在 rdtand 的 PrismaQuant 6-bit 量化构建内，将 BF16 去对齐供体的权重移植进 118 个张量并按原量化网格重编码，不重新量化。
推荐理由：原文给出拒绝率前后对比、逐项验证和已知回归，读者可据此判断这种不改量化布局的去对齐做法是否值得采用。
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 · 新模型：abliteratedAI 评分2727 
hmkle 发布 Qwen3.5-4B Abliterated GGUF 量化版本
hmkle 在 Hugging Face 发布 Qwen3.5-4B Abliterated 的静态 GGUF 量化版本，提供从 Q2_K 到 Q8_0 及 f16 的多种规格，大小从 1.9GB 到 8.5GB 不等。其中 Q4_K_S 和 Q4_K_M 标注为快速推荐选项，Q8_0 质量最佳，并附带 mmproj 多模态补充文件；weighted/imatrix 量化可另行获取。
Hugging Face · 新模型：uncensored精选AI 评分6969 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
SC117（0xSojalSec）在 Hugging Face 发布 Qwen3.8-Flash-Next 的 GSQ-RCO 消融版 GGUF，通过对已量化模型直接移植张量来移除拒绝方向：48 层中 144 个写入残差流的投影张量替换为 orcarouter 的消融权重，其余 1079 个张量逐字节不变。
推荐理由：原文给出逐张量 blake2b 校验和体积、速度代价核算，展示了在已量化模型上做消融移植而不重算张量的完整流程。
Hugging Face · 新模型：abliterated精选AI 评分6969 Ling-3.0-tiny-Abliterated GGUF 发布：拒绝率从44/44降至12/44且GSM8K无损
作者alexwkleung用Heretic制作并经llama.cpp量化的inclusionAI/Ling-3.0-tiny（8B总参/约1B激活MoE）abliterated版本，提供Q4_K_M至Q8_0共4个GGUF文件。作者用Heretic优化器未见过的44条测试提示实测，拒绝率从思考关闭43/44、开启44/44降至11/44、12/44；思考关闭下GSM8K n=100与原版同为93/100。作者强调这是针对过度拒绝的escape hatch而非无审查模型，不增加任何知识，且思考与非思考路径的拒绝均被去除；方向性消融共修改1692个张量，集中在第8至23层。
推荐理由：作者用未见过的44条测试题和GSM8K对照给出拒绝率与能力变化的实测数据，读者可以自己判断这个去对齐版本的实际效果。
Hugging Face · 新模型：uncensoredAI 评分4444 Qwen3.8-27B Uncensored FP8 发布：去审查 + DFlash2 投机解码的 radiance 容器
StillDeadcode 发布 Qwen3.8-27B Uncensored FP8 模型，移除原模型的安全对齐（abliterated refusal direction），打包为单个 .rad 容器供 radiance 推理引擎使用，文件大小 29.43 GiB。该模型合并了 z-lab/Qwen3.8-27B-DFlash2 块扩散 drafter 用于投机解码，草稿经验证后不改变输出；附带 27 块 bf16 视觉塔，支持图像和视频输入。上下文训练长度 262,144 tokens、实测 200K，在 2× Radeon AI PRO R9700 上构建测试，服务器兼容 OpenAI API。
Hugging Face · 新模型：abliteratedAI 评分3434 fyb1214 发布 Huihui-Qwen3.8-27B-Abliterated-Ternary-Bonsai 的 NInfer 单文件封装
fyb1214 将 huihui-ai 的 abliterated Ternary-Bonsai-2-27B（消融第 22–52 层）重新封装为 NInfer 引擎可读的单文件 .ninfer 容器，基于 f16 版本用量化器重制 PQ2_0 与 PTQ1_0 两种打包，各 6.87 GiB，类型分布与 PrismML 原版 PQ2_0 一致。
Hugging Face · 新模型：abliteratedAI 评分5151 ericmey 发布 Qwen3.8-27B-abliterated GPTQ-Int4 量化版，面向 Intel Arc vLLM 部署
ericmey 在 Hugging Face 发布 huihui-ai/Huihui-Qwen3.8-27B-abliterated 的 GPTQ-Int4（sym, G128）量化版，附带 BF16 MTP 草稿张量与 F16 视觉塔，约 19 GB，面向 vLLM Intel Arc XPU 部署，也可加载于 CUDA。
Hugging Face · 新模型：abliteratedAI 评分2424 johnonegram 发布 Offender_3.8_27B_Abliterated 多模态安全推理模型
johnonegram 在 Hugging Face 发布 Offender_3.8_27B_Abliterated，基于 medismera/Qwen3.8-27B-Surgical-Abliterated 持续微调的 27B 多模态安全推理模型，总参数 26.89B，原生上下文 262,144 tokens（256K），采用 FP8 量化，磁盘占用约 26.9 GB。
Hugging Face · 新模型：uncensored精选AI 评分5656 vaultai 发布 Qwen3.8-27B 的 abliterated 去拒绝 MLX 量化版
vaultai 发布 Qwen3.8-27B-Uncensored-MLX，通过 abliteration（对拒绝方向做正交化）移除安全对齐，并提供 2/4/6/8-bit MLX 量化用于 Apple Silicon。4/6/8-bit 版本拒绝探针零拒绝、数值保真度 cos 0.996 至 0.9997，视觉和 262K 上下文保留；2-bit 生成严重退化仅供存档。仓库已门控，附 mlx-vlm、LM Studio 和 MTP 投机解码用法。
推荐理由：发布方给出了各精度量化的数值保真度、拒绝探针零拒绝和视觉能力实测，读者可以据此评估每个档位是否可用。
Hugging Face · 新模型：abliteratedAI 评分4343 LMLiutenant 发布 Qwen3.6-35B-A3B-abliterated-v2 的 GGUF 量化版本
Hugging Face 用户 LMLiutenant 用 llama.cpp 制作了 abliterated（抑制拒答）版模型 wangzhang/Qwen3.6-35B-A3B-abliterated-v2 的 GGUF 量化，属非官方再分发。该模型为 MoE 架构，总参数 35B、每 token 激活约 3B（256 个专家激活 8 个），上下文长度 262144 tokens。仓库提供 IQ2_XS 到 Q8_0 共 24 种量化，并附 F16 多模态 projector，各量化均基于同一 importance matrix 计算，BF16 源模型 wikitext-2 PPL 为 6.4743。
Hugging Face · 新模型：abliterated精选AI 评分5353 gemma-3-1b-it 经 Heretic 消融的 uncensored 版本发布，拒绝率从 99/100 降至 3/100
musiccat0405 在 Hugging Face 发布 gemma-3-1b-it-heretic-extreme-uncensored-abliterated，用 Heretic v1.0.1 消融，拒绝率 3/100，KL 散度 0.33，原版 Gemma 1B-IT 拒绝率为 99/100。作者注明本次以更低拒绝率为优先目标，并给出 KL 散度更低（0.09）但拒绝率 17/100 的替代版本链接；还说明该模型不拒绝请求但部分情况需额外指令引导，并附 KoboldCpp、text-generation-webui、SillyTavern 的 smoothing_factor 等采样参数建议。
推荐理由：原文给出了 Heretic 消融前后的拒绝率与 KL 散度数据，读者可以具体对比这个去对齐版本去掉了多少、损伤多大。
Hugging Face · 新模型：abliterated同新闻AI 评分7171 SlickPulla 发布 Qwen3.8-27B RVN 三重 ARA 消融版 GGUF
SlickPulla 在 trohrbaugh/Qwen3.8-27B-heretic-ara 基础上再做两遍 ARA 消融，发布 Qwen3.8-27B RVN Heretic Abliterated Uncensored GGUF，有害提示拒绝率从 3/100 降到 0–1/100，KL 损伤从 0.0535 降到 0.0085。全部 53 个 RVN 文件内嵌官方 Qwen3.8 chat template，每个量化都附带嵌入 MTP 草稿头的孪生文件，128 token 实测平均提速约 55%，仅 IQ1_M 反而慢约 60%，IQ1_S 只提升约 4%，文档还按 8 GB 到 64 GB 显存给出了推荐文件。
Hugging Face · 新模型：abliterated精选AI 评分7373 vaultai 发布 GLM-5.3-Flash-Abliterated MLX 4bit 量化版，上游拒绝率约 1.3%
vaultai 在 Hugging Face 发布 GLM-5.3-Flash 的 abliterated 4bit 量化版（oQ4e，173 GiB，35 个分片），基于 Blackfrost-Research 的去对齐 BF16 权重，面向 Apple Silicon 的 oMLX 运行时。去对齐在上游权重层完成，Blackfrost-Research 用 R1-HARMFUL-BENCH-450 测得有害提示拒绝率 1.3%（4/300），本 4bit 版仅做了抽查未系统复测。视觉塔与 MTP 草稿头均保留并经真实请求验证，M3 Ultra（256 GB）实测短上下文 DFlash2 解码最高 51.2 tok/s，附带的前缀缓存补丁把多轮长上下文 TTFT 从约 46 s 降到 0.26 s。
推荐理由：模型卡附上了上游拒绝率实测与 Apple Silicon 上的逐档解码速度和 TTFT 数据，读者可以对照判断量化后的行为和性能。
Hugging Face · 新模型：abliteratedAI 评分2626 mradermacher 发布 Abliterated-Dolphin3.0-R1-Mistral-24B 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 发布了 Abliterated-Dolphin3.0-R1-Mistral-24B 的 imatrix GGUF 量化版本，提供从 i1-IQ1_S（5.4GB）到 Q6_K（19.4GB）的多种量化档位。其中 Q4_K_S（13.6GB）被称为尺寸、速度与质量的最优平衡，Q4_K_M（14.4GB）为推荐选项，并单独提供 0.1GB 的 imatrix 文件供用户自行创建量化。
Hugging Face · 新模型：abliteratedAI 评分1818 jingamin/Qwen3.8-27B-ABLITERATED-BF16.i1-Q5_K_M.gguf 在 Hugging Face 上提供 llama.cpp 等多工具使用指南
Hugging Face 上架 abliterated 版 GGUF 模型 jingamin/Qwen3.8-27B-ABLITERATED-BF16.i1-Q5_K_M.gguf（Q5_K_M 量化）。
Hugging Face · 新模型：abliteratedAI 评分3232 Huihui-Qwen3.8-27B-abliterated-AWQ-MTP：基于 Qwen3.8-27B 的去审查 AWQ 版本
Hugging Face 上发布 Huihui-Qwen3.8-27B-abliterated-AWQ-MTP，这是用 abliteration 技术对 Qwen/Qwen3.8-27B 去除拒绝行为后的无审查版本。模型支持 AWQ Marlin kernel 和 MTP 投机解码，在单张 A800 80GB 上（vLLM 0.21.0、MTP 开启、fp8 KV cache）达到 110+ tok/s，支持 65536 上下文长度。发布方警告安全过滤大幅减弱，仅建议用于研究和受控环境。
Hugging Face · 新模型：abliteratedAI 评分2828 mradermacher 发布 Qwen3.8-cyber-RedTeam-Surgical-Abliterated-GGUF 量化模型
Hugging Face 上线 mradermacher/Qwen3.8-cyber-RedTeam-Surgical-Abliterated-GGUF 量化模型页面，提供 Transformers、llama.cpp、vLLM、SGLang、Ollama、Docker Model Runner、Lemonade 等多种运行方式。
Hugging Face · 新模型：abliterated精选AI 评分5353 
yuna1126 发布 gemma-4-E2B-Tema_Q-Abliterated 去对齐模型
yuna1126 在 Hugging Face 发布基于 google/gemma-4-E2B-it 的 abliterated 去对齐版本，使用 Tema_Q-Abliterated v1.0.0（SCAPE 算法）从权重中消融拒绝方向。
推荐理由：原文给出了拒绝率、KL 散度和 SCAPE 代理目标约 49 倍加速的实测数据，读者可以据此评估这个去对齐版本的代价与工具的可复用性。
Hugging Face · 新模型：abliteratedAI 评分2828 mradermacher 发布 Qwopus3.8-27B-Flash-V2-abliterated 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 上发布 Qwopus3.8-27B-Flash-V2-abliterated 的 i1-GGUF 量化版本。
Hugging Face · 新模型：abliterated精选AI 评分8282 
BoldingBuilds 发布 Qwen3.8-27B Abliterated ThinkFix GGUF 无对齐版本
BoldingBuilds 在 Hugging Face 发布 Qwen3.8-27B-Abliterated-ThinkFix-GGUF，在移除拒绝行为之外增加一处权重行编辑，使模型完成思考后更快给出答案。
推荐理由：原文给出多种敏感提示词与代理任务的实测对照数据，可据此评估这个去对齐加推理修复版本的实际取舍。
Hugging Face · 新模型：abliterated精选AI 评分5656 Qwen3.8-Flash-Next GSQ-RCO 量化包发布，附运行时去拒绝方向向量与实测数据
alesha-pro 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 GSQ-RCO 量化包，收录 ISTA-DASLab 的 Q2_0、IQ2_XS、IQ3_XXS、IQ3_S 四档 GGUF（逐字节复制并校验 SHA256），另附一个 480 KB 的拒绝方向向量文件，可在 Strata 引擎中运行时投影去除拒绝行为，权重保持原样。
推荐理由：原文保留原始量化权重并给出拒绝率、KL 散度和解码速度的实测数据，读者可据此评估运行时去拒绝向量对输出的实际影响。
Hugging Face · 新模型：abliteratedAI 评分1818 mradermacher 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated 的 i1-GGUF 量化版本
mradermacher 在 Hugging Face 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated 的 imatrix 加权 i1-GGUF 量化系列，共 20 余个版本，大小从 1.2GB（i1-IQ1_S）到 3.4GB（i1-Q6_K）不等，并提供 0.1GB 的 imatrix 文件供用户自行创建量化。
Hugging Face · 新模型：abliterated精选AI 评分8080 TechPrototyper 发布 Qwen3.8-27B GridBook 13GB 视觉版 abliterated 权重
TechPrototyper 发布了基于 rdtand 的 GridBook 13GB 量化版 Qwen3.8-27B 的 abliterated 变体，通过将 BF16 消融供体权重移植进已有量化 checkpoint 并按原量化网格重编码，不重新量化，仅改动 1363 个张量中的 113 个。
推荐理由：原文给出在量化格式内做消融的完整方法与拒绝率、工具调用前后对比，读者可据此判断这种不重新量化的去对齐做法是否可靠。