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。
#无对齐发布
新闻、仓库与研究，按时间排列。
Hugging Face · 新模型：abliteratedAI 评分2424 Hugging Face · 新模型：uncensoredAI 评分2121 OpenIntelligenceNet/NeoHorse-1-4B-Uncensored-Zero-Refusal-GGUF 上架 Hugging Face
4B 参数的无审查模型 NeoHorse-1-4B-Uncensored-Zero-Refusal-GGUF 以 GGUF 格式（F16）在 Hugging Face 上线。页面提供了 llama.cpp、Ollama、Docker Model Runner、Lemonade 等多种本地运行方式的安装与启动命令，也可接入 Pi、Hermes、OpenClaw 等 Agent，或通过 llama.cpp 启动 OpenAI 兼容的本地服务器并附带 Web UI。
Hugging Face · 新模型：uncensoredAI 评分3838 gpt-oss-120b-Uncensored MXFP4 量化版模型发布
Hugging Face 上发布 gpt-oss-120b-Uncensored 的 MXFP4 量化版本，基于 openai/gpt-oss-120b 用 LoRA 微调，移除默认安全过滤与拒绝行为，支持生成成人内容。
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：uncensored精选AI 评分7474 TokenTinkerer 发布 Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive 十档 GGUF 量化集
TokenTinkerer 基于 HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive 发布了 TTQ 十档 GGUF 量化集，从 3.33 bpw 到 6.72 bpw，全部从上游 Q8_K_P 用自建 imatrix 重量化。每档以同一机器同一协议实测 KLD/RMS 与 llama-bench 速度，每档 KLD 均优于上游仓最接近尺寸的量化 1.26× 到 3.51×，同质量档位小 1.44 到 7.90 GiB，匹配对比下 decode 快 6% 到 19%、prefill 快 28% 到 80%。
推荐理由：作者用同一协议实测十档量化的KLD、体积与速度，并给出与上游仓位的逐项对照，读者可按显存和用途挑选合适的档位。
Hugging Face · 新模型：uncensoredAI 评分2626 Wan2.2 GSsmart Uncensored：同时支持 I2V 与 T2V 的无审查 LightX2V LoRA 发布
Hugging Face 用户 GSsmart 发布 Wan2.2 GSsmart Uncensored，一套同时适配 I2V 与 T2V 的无审查 LightX2V LoRA，免去在两类模型间反复切换。T2V 下人体准确率约 80–85%，I2V 效果取决于输入图像；叠加其他 LoRA 建议用 0.55–0.65 强度，本 LoRA 需保持接近满强度否则画面易模糊。
Hugging Face · 新模型：uncensoredAI 评分4242 nyaaorick 发布 Qwen3.8-27B-Uncensored 的 MLX 3-bit 量化版本
nyaaorick 在 Hugging Face 发布 Qwen3.8-27B-Uncensored 的 MLX 3-bit 混合精度量化版本，面向 Apple Silicon，磁盘占用 9.82 GB，平均每位权重 2.915 bit，短提示峰值内存约 10.5 GB。
Hugging Face · 新模型：uncensored同新闻AI 评分7373 dealignai 发布 GLM-5.3-UNCENSORED-FP8 无对齐权重版
dealignai 在 Hugging Face 发布 GLM-5.3-UNCENSORED-FP8，对 GLM-5.3-FP8（基于 zai-org/GLM-5.3，753B、78 层、text-only 的 glm_moe_dsa 架构）做权重级去对齐：仅修改 bf16 residual-writer 张量，FP8 专家路由不变，无微调、无 LoRA、无运行时钩子。
Hugging Face · 新模型：uncensoredAI 评分4242 
Nathan512 发布 Qwen-Image-2.1-Uncensored GGUF 量化版
Nathan512 在 Hugging Face 上发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化版本，提供 BF16、Q8_0、Q6_K、Q4_K_M 等 12 种格式，体积 4.00–14.23 GB，推荐兼顾体积与质量的 Q4_K_M（约 4.60 GB）。
Hugging Face · 新模型：uncensoredAI 评分3333 Qwen3.8-27B-Uncensored-Cyber-ATX-MTP-GGUF 量化版本发布
bjivanovich 在 Hugging Face 发布 Qwen3.8-27B-Uncensored-Cyber 的自定义 ATX GGUF 量化版本，在 blk.64 内嵌 MTP 草稿头，面向渗透测试、漏洞审计等进攻性安全与代码推理场景。
Hugging Face · 新模型：uncensoredAI 评分1515 abalogh 发布 Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored-oQ4e-mtp 量化模型
Hugging Face 上架 abalogh 发布的 Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored-oQ4e-mtp 无审查模型，为 Safetensors 格式。模型规模 28B 参数，张量类型为 U32 · BF16，目前无模型卡片、未部署到任何 Inference Provider。
Hugging Face · 新模型：uncensoredAI 评分2222 jingamin/gemma-4-31B-it-The-DECKARD-HERETIC-UNCENSORED-Thinking.i1-Q5_K_M.gguf 模型在 Hugging Face 发布
Hugging Face 上架了 jingamin 的 gemma-4-31B-it-The-DECKARD-HERETIC-UNCENSORED-Thinking 量化版 GGUF 模型（Q5_K_M）。
Hugging Face · 新模型：uncensored精选AI 评分6363 Gokugamer 发布 Qwen3.8-27B-Uncensored-HauhauCS-Aggressive GGUF 量化版
Gokugamer 在 Hugging Face 发布 Qwen3.8-27B 的 HauhauCS Aggressive 无对齐 GGUF 量化版，实测 0/465 次拒绝，直接作答、几乎无前导语。
推荐理由：原文给出各量化的拒绝数与 FastMTP 加速实测数据，读者可据此判断该去对齐版本的实际表现。
Hugging Face · 新模型：uncensoredAI 评分2727 
mradermacher 发布 Qwen3.5-27B-uncensored-heretic-v1 的 GGUF 静态量化版本
mradermacher 在 Hugging Face 上发布 Qwen3.5-27B-uncensored-heretic-v1 的 GGUF 静态量化版本，提供从 Q2_K（10.8GB）到 Q8_0（28.7GB）的多种量化文件，其中 Q4_K_S（15.7GB）和 Q4_K_M（16.6GB）被标注为快速且推荐，Q8_0 质量最佳。
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：uncensoredAI 评分1818 MarMix 发布 Qwen3.6-35B-A3B-Uncensored-Genesis-Final-Safetensors-NVFP4
MarMix 在 Hugging Face 上架 Qwen3.6-35B-A3B-Uncensored-Genesis-Final-Safetensors-NVFP4 模型，采用 Safetensors 格式，参数规模 36B，张量类型为 BF16 · U8。该模型目前未被任何 Inference Provider 部署，README 内容为空。
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：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：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。
Hugging Face · 趋势模型精选AI 评分6868 
SC117 发布 Qwen3.8-Flash-Next GSQ-RCO 消融版 GGUF，144 张量移植保留原始量化
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。
Hugging Face · 趋势模型精选AI 评分5959 HauhauCS 发布 Qwen3.8-27B Aggressive 无对齐 GGUF 量化版并附带 FastMTP 加速方案
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。