新闻、仓库与研究，按时间排列。
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。
mradermacher 在 Hugging Face 上发布了 Abliterated-Dolphin3.0-R1-Mistral-24B 的 GGUF 静态量化版本，提供从 Q2_K（9.0GB）到 Q8_0（25.2GB）的多种规格，其中 Q4_K_S、Q4_K_M 标注为快速且推荐使用，Q8_0 质量最佳。weighted/imatrix 量化版本可在模型页面另行获取。
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。
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。
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。
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。
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。
mradermacher 在 Hugging Face 发布 Qwen3-4B-F32-BF16-3MPER0RR-abliterated 的静态 GGUF 量化版本，提供从 Q2_K（1.8GB）到 f16（8.2GB）的多档量化文件，其中 Q4_K_S、Q4_K_M 被标注为快速推荐档位，Q8_0 为最高质量档位，weighted/imatrix 量化另有单独发布。
mradermacher 在 Hugging Face 发布 Huihui-Qwen3.8-Flash-Next-abliterated 的 imatrix 加权 i1-GGUF 量化版本，提供从 i1-Q2_K（80.5GB）到 i1-Q6_K（167.7GB）的多档量化文件，其中 i1-Q4_K_M 为推荐档位，i1-Q4_K_S 兼顾体积、速度与质量。
SC117 在 Hugging Face 发布 Qwen3.8-Flash-Next-GSQ-RCO-abliterated-GGUF，通过对已量化 GGUF 做 144 个残差流投影张量的字节级移植实现去拒绝，不重算任何 GSQ 学到的量化值。IQ3_S 版经逐张量 blake2b 校验，1223 个张量中 1079 个与上游逐字节一致，decode 速度仅降 0.1%，四个量化档位体积仅比上游多 0.25 至 0.44 GB，行为抽查显示上游拒答的绕过付费墙请求该版本会详细回答。作者提示模型无内置安全护栏，需自行部署审核与访问控制。
推荐理由：作者用逐张量 blake2b 校验和性能对照说明直接移植已量化张量做消融的代价，方法可复用到其他 GGUF 模型。
HauhauCS 在 Hugging Face 发布基于 Qwen/Qwen3.8-27B 的 Aggressive 无对齐 GGUF 量化系列，实测拒绝率 0/465，保留文本、推理、Agent 及图像视频能力。全套量化提供 K_P 自定义档位，附带的 FastMTP 32K 加速 sidecar 相比无 MTP 最高达 3.02x 文档 TG 和 1.93x 推理 TG，比内嵌 MTP 最高快 35.2%/21.1%，实测基于 RTX PRO 6000 Blackwell 96GB。需配套 llama.cpp 补丁，vision 需单独 BF16 projector，原生上下文 262,144 token，可扩展至 1,000,000。
推荐理由：原文给出了0/465拒绝实测和完整量化档位的MTP加速对比数据，读者可据此判断去对齐程度和各档位实际推理速度。