AI 日报 · 2026 年 11 月 7 日 · 星期六第 31 期AI 日报 · 2026 年 11 月 7 日 · 星期六
麦式AI情报站
dealignai 发布 GLM-5.3-UNCENSORED-NVFP4 权重级去对齐版本
dealignai 以 CRACK 品牌发布 GLM-5.3（753B）的 NVFP4 权重级去对齐版本，未用微调、LoRA 或越狱提示词，直接用 stock vLLM 加载。HarmBench 实测在 high 与 max 推理档下 156 条随机提示词拒绝率为 0.0%，off 档为 7.3%；MMLU 从 85.58% 降至 84.11%，下降 1.47pp。该版本面向红队与攻防安全场景，实测可生成反向 shell、键盘记录器、AES 勒索软件、SUID 提权与 SSH 爆破等可用代码。
AI 安全与攻防
arXiv · cs.CL一手Multimodal-SEA：评测多模态社工攻击下的AI智能体安全性
作者提出 Multimodal-SEA，一个包含608个专家设计任务的交互式基准，覆盖14个领域、152个攻击场景和四个难度等级，并区分中英文社会环境。评测7个常用多模态模型发现全部存在漏洞，攻击成功率在7.1%到34.5%之间；加入多模态内容后攻击成功率从19.9%升至29.2%，更强的安全指令降低了攻击成功率但未提升对欺骗性多模态内容的识别，部分模型低攻击成功率伴随对合法请求的过度拒绝。
arXiv · cs.AI一手CMaG：用去对齐审计大型视觉语言模型的组合安全
论文提出 CMaG，一种无需训练的去对齐方法，用于审计大型视觉语言模型（LVLM）的组合安全鲁棒性。作者发现最小监督微调即可达到与多阶段强化学习流程相当的 LLM-judge 分数，且组合危害的识别与拒绝是解耦的：九种方向定位方法最高以 AUC=0.99 检出组合危害，但消融这些方向要么拒绝行为不变、要么破坏模型连贯性。CMaG 以拒绝与服从的对数概率差衡量拒绝意图，对中层激活求梯度并与部分良性样本对对比，单次反向传播在 80 个样本上得到的方向可单调把拒绝转为服从；在 Qwen2.5-VL-7B 与 LLaVA-1.5-7B 上最多降低 65 分组合安全分数，同时超过 98% 的输出保持连贯。
赛博灵魂体
GitHub · 去对齐工具与仓库waifu-on-telegram 发布本地 LLM 驱动的 Telegram AI 女友
asepindrak 发布 waifu-on-telegram，用本地 KoboldCPP 运行 Huihui-Qwythos-9B abliterated 模型，配合 ComfyUI 生成角色自拍与视频，通过 Telegram 提供聊天、语音和换装功能。项目内置 Runa、Akira、Hina、Shiro、Yume 五个角色，用固定视觉特征词和角色专属负面提示词维持出图一致性，并给出 4GB 至 12GB 显存的分档模型组合。安装脚本支持 Windows、Linux 和 macOS，无独显时可走 Pollinations AI 云端出图。
具身智能与机器人
Allen AI 发布 ToyBlocks：面向机器人学习的受控仿真框架
Allen AI 推出 ToyBlocks，一个围绕机械臂与桌面方块搭建的开放仿真框架，属于其 FoundationWorlds 系列的第一个受控世界，可自动生成任务与演示数据用于训练和评测机器人模型。框架在单张 GPU 上并行执行数百个规划，达到最高 24 倍实时速度，首批数据发布包含 85,336 条长程演示、约 1,600 小时机器人执行数据和 1.44 亿帧。在真机测试中，仅用 ToyBlocks 数据训练的 ManiFlow 原子技能成功率仿真为 80.0%、真机为 81.1%，Molmo 2 加 ManiFlow 的分层系统仿真成功率为 55.5%、真机为 50.0%。
无对齐模型发布/更新
Abliterant 发布 Qwen3.5-9B-RANA-abliterated 的 AWQ 4-bit 量化版
Abliterant 发布了 Qwen3.5-9B-RANA-abliterated 的 AWQ 4-bit 量化权重，体积 11.7 GB，BF16 版为 19.3 GB，用 vLLM 以 compressed-tensors 格式部署。该版本与 BF16 参考的 KL 为 0.0231，94.6% 位置选出相同的最可能 token；在 BF16 版上对比 bowmanslayer/Qwen3.5-9B-Uncensored，有害请求的有效回答率为 67.4% 对 52.5%，能力损失 0.79 对 3.31 pp。作者说明这是量化而非额外训练，拒绝行为未在该格式上重新测量，定位为拒绝行为研究用途。
- Abliterant 发布 Qwen3.5-9B-RANA-abliterated 的 MLX 量化版Hugging Face · 新模型：abliterated
- Abliterant 发布 Qwen3.5-9B-RANA-abliterated 的 GGUF 量化版Hugging Face · 新模型：abliterated
- Abliterant 发布 Qwen3.5-9B-RANA-abliterated 无对齐权重Hugging Face · 新模型：abliterated
OpceanAI 发布 Qwen3.5-0.8B-abliterated 无对齐权重版
OpceanAI 发布 Qwen3.5-0.8B-abliterated，通过从写入残差流的矩阵中投影掉一个计算出的拒绝方向来永久移除拒绝行为，无 adapter、无运行时钩子。作者报告七个拒绝类别中六个降到 0%、仇恨言论从 30% 降到 10%，三个越狱模板均从 80% 降到 0%，十一项能力基准的差异均未达到统计显著。作者还指出拒绝方向随层深旋转（第 1 层与第 23 层余弦相似度 0.03），MTP head 在有害提示上给出 P("cannot")=0.719、无害提示上为 0.0000，并明确不建议用于面向用户的产品。
dealignai 发布 MiniMax-M3.1-Flash 无审查 JANGHT1.9 量化包
dealignai 发布了 MiniMax-M3.1-Flash-UNCENSORED-JANGHT1.9，在权重层面移除拒绝行为，以 1.878 bpw 混合精度打包成约 96 GB、23 个分片的 vMLX 量化包。该包 MMLU 为 74.58%，较基座 75.11% 下降 0.53pp；HarmBench-320 整体合规率 86.25%（276/320），剔除版权类后的真实危害合规率 93.75%（225/240）。模型保留 MiniMax 原生工具解析器、think 推理解析器与聊天模板，推荐在 Apple Silicon 上用 vMLX 部署。
NousResearch 发布 Arete-27B，基于千问 Qwen3.8-27B 微调重塑价值观
NousResearch 发布 Arete-27B，在阿里千问 Qwen3.8-27B 基础上做监督微调，针对政治敏感话题中的拒绝、回避与官方口径回答进行调整。其评测称事实分从 2.32 升至 2.98（满分 5），含宣传性内容的回答占比从 22% 降至 0.9%，七个价值观类别均有提升，通用能力与智能体基准无明显退化。训练仅用 SFT，无 RL、无偏好优化、无架构改动，训练上下文 64k，GGUF 版本由 bartowski 提供。
工程与部署
GitHub · 去对齐工具与仓库coreai-model-zoo 发布 Apple Core AI 端侧模型转换目录
john-rocky/coreai-model-zoo 发布了面向 Apple Core AI（iOS 27 / macOS 27）的模型转换目录，每个模型都附带可复跑的 recipe.toml 与验证脚本 zoo_verify.py、coreai_gate.py。目录覆盖 Qwen3.5、Gemma 4、MiniCPM5、LFM3 等文本模型以及视觉、语音、OCR、图像生成等任务，卡片标注了实测硬件与吞吐，例如 Qwen3-8B 4-bit 在 M4 Max GPU 上解码 94 tok/s。配套的 CoreAIKit 0.4.1 支持一行 catalog id 加载模型，首次下载在 Mac 上约 352 MB。
论文研究
arXiv · cs.AI一手WeLM-Image：面向视觉智能的统一图像生成模型
微信团队提出统一图像基础模型 WeLM-Image，把多模态理解接入文生图、指令编辑和多参考图合成，面向单 GPU 部署。模型采用 Mixture-of-Transformers 骨干并在理解与生成两条路径上加 MoE，存储参数 31.7B、每个目标 latent token 激活约 5.4B 生成参数，支持原生 1.5K 分辨率。论文称 1536 分辨率版本在 PRISM-Bench、Qwen-Image-Bench 和 UnicBench 上位列所评测开源模型第一，MeanFlow 少步蒸馏得到的 WeLM-Image-Turbo 在单张 NVIDIA H20 上以 8 步无引导生成 1024×1024 图像耗时 4.98 秒。