dima6312 发布 Flint-40B-A2.5B 去对齐版，第三方推出 FP8、EXL3、剪枝等衍生版

1. 13:40
   Hugging Face · 新模型：abliterated

   Flint-40B-A2.5B-abliterated 发布 REAP-224 剪枝 4-bit 版

   RinneCODER 发布 Flint-40B-A2.5B-abliterated 的 REAP-224 Rec 4-bit 版，在每层 MoE 用 REAP（按路由权重的专家激活剪枝）从 256 个路由专家中移除 32 个，体积缩小约 12%（19 GB 对 21 GB）。在 M5 Pro Mac 24 GB 上用 Locals SSD 专家流式加载实测：HumanEval+ 40 题同为 35/40，DFlash 2 开启时解码从 30.1/34.5 提升到 36.8/36.8 tok/s，对 256 专家版的 KL 为 0.92、Top-1 一致率 78.0%。

1. 01:26
   Hugging Face · 新模型：abliterated精选

   RecursiveSI Flint 40B-A2.5B 去对齐版发布，MITRE 拒绝率从 15% 降至 0%

   RecursiveSI 的 Flint 40B-A2.5B 去对齐版本发布，用 abliterix 从 attention、共享与路由专家投影中移除拒绝方向，Optuna 在 100 条 MITRE 提示词上选强度。保留的 MITRE 拒绝率从 15% 降至 0%（n=100，Q8_0），无害提示词 KL 散度 0.0146 nats/token，HumanEval+、MBPP+、GSM8K、MMLU-Pro、CyberMetric、WMDP-cyber 无显著下降，pp512/tg128 速度变化在 3% 以内。

1. 10:32
   Hugging Face · 新模型：abliterated

   Flint-40B-A2.5B Abliterated FP8 校准量化版在 Hugging Face 发布

   cbert33 在 Hugging Face 发布 Flint-40B-A2.5B Abliterated 的 FP8 校准量化版本，基于 dima6312/Flint-40B-A2.5B-abliterated，采用 LLM Compressor FP8_DYNAMIC 格式，含 36,439 个量化权重张量、295 个 BF16 保护张量和 98 个校准 BF16 KV scales（覆盖 49 个注意力层）。校准使用 HuggingFaceH4/ultrachat_200k 的 train_sft 前 512 行（543,281 tokens）。该模型仅限研究用途，未经生产验证，端到端生成质量与 benchmark 未测试。

2. 10:32
   Hugging Face · 新模型：abliterated

   Flint-40B-A2.5B FP8 去审查版（Abliterated）量化模型发布

   Hugging Face 上发布 Flint-40B-A2.5B 的 abliterated 去审查版 FP8 量化模型，采用 LLM Compressor FP8_DYNAMIC 格式，保留 295 个 BF16 保护张量，并用 98 个校准 BF16 KV scale 覆盖全部 49 个注意力层。校准基于 HuggingFaceH4/ultrachat_200k 数据集 train_sft 前 512 行样本（共 543,281 token），上游 abliteration 已减少拒答行为，输出仍应视为不可信。该模型仅供研究用途，GPU 推理与 benchmark 尚未验证。

1. 18:28
   Hugging Face · 新模型：abliterated精选

   dima6312 发布 Flint 40B-A2.5B 去对齐版，MITRE 拒绝率从 15% 降到 0%

   dima6312 在 Hugging Face 发布 RecursiveSI Flint 40B-A2.5B 的 abliterated 去对齐版本，用 abliterix 移除拒绝方向，Optuna 调参。留出集 MITRE 拒绝率从 15% 降到 0%（n=100，Q8_0），HumanEval+、MBPP+、GSM8K、MMLU-Pro、CyberMetric、WMDP-cyber 无显著下降，无害提示上 KL 散度 0.0146。提供 BF16、GGUF（Q8_0 到 Q3_K_M）、NVIDIA Blackwell NVFP4 和 Apple silicon MLX 4-bit 多种构建，本仓库为 Rec 运行时 4-bit 版约 21 GB，需 llama.cpp b11827 或更高版本。

2. 14:36
   Hugging Face · 新模型：abliterated精选

   dima6312 发布 Flint-40B-A2.5B 去对齐 NVFP4 GGUF 版本

   dima6312 在 Hugging Face 发布了 RecursiveSI Flint 40B-A2.5B 的 abliterated 版本 NVFP4 GGUF，移除拒绝方向，面向安全研究与编码工作，需 llama.cpp b11827 及以上在 NVIDIA Blackwell GPU 上运行，权重文件 22.9 GB。对照测试显示 MITRE 拒绝率从 22% 降至 0%，Meta CyberSecEval 拒绝检查从 18/100 降至 1/100，GSM8K 与 HumanEval+ 无显著下降，pp512 与 tg128 速度差异在 3% 以内；模型基于 Apache 2.0 许可衍生自 RecursiveSI 权重，去对齐只降低拒绝、不增加知识。

3. 11:11
   Hugging Face · 新模型：abliterated精选

   dima6312 发布 Flint 40B-A2.5B 的 abliterated 无对齐 GGUF 版

   dima6312 在 Hugging Face 发布 RecursiveSI 的 Flint 40B-A2.5B 去除拒绝方向的 abliterated 版本，提供 BF16 safetensors 与 GGUF 权重。

4. 11:11
   Hugging Face · 新模型：abliterated精选

   dima6312 发布 Flint-40B-A2.5B-abliterated 去拒绝版本

   dima6312 在 Hugging Face 发布 Flint-40B-A2.5B-abliterated，移除了 RecursiveSI Flint 40B-A2.5B 的拒绝方向，面向漏洞分析、恶意软件分诊、检测工程、CTF 和红队工具等安全工作。消融用 abliterix 从 attention 输出与 shared-expert、routed-expert 投影中移除拒绝方向，Optuna 经 50 轮试验选择强度。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。