方向
去对齐、无审查、abliterated 与 base 原始权重模型的发布与实测。重点是有拒绝率对比、消融方法与可复现证据的那一部分，而不是只在名字里写了 uncensored 的。
352 条精选近 30 天 305 条共收录 1,220 条
shamidk 在 Hugging Face 上发布了 Apex Flash 1 abliterated 的纯文本 GGUF 转换版，采用 IQ2_XXS 与 Q2_K 混合量化配方，文件 89.88 GiB、含 1,412 个张量，省略视觉权重。作者在 128 GiB 内存的 Apple M5 Max MacBook Pro 上用 DS4 runtime 实测，解码速度中位数 11.13 tokens/s，有界质量测试 3/4 通过、严格类型化工具测试 34/36 通过；作者明确说明 abliteration 只针对拒绝行为，不代表能力提升，Agent 编码交付、视觉权重、更大上下文和与 BF16 的质量对等均未验证。转换版以 MIT 许可分发。
推荐理由：这是一次量化转换加实测记录，作者给出了具体推理速度、质量测试结果和明确的未验证范围，便于读者自行评估可用性。
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。
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。
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。
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。
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。
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。
Embrace The Red 的 Johann 复现了论文《Stealing Reasoning Traces from Proprietary LLM APIs》中的攻击：把加密推理 blob 重放给同一厂商较弱、易被越狱的模型，让其转写底层推理内容。作者针对 OpenAI GPT-5.6 Sol 生成含已知密码的推理痕迹，用另一账号的 GPT-5.6 Luna 配合轻量越狱成功恢复，且跨模型、跨会话、跨账号均有效；输出并非逐字重建，但恢复了大量语义内容。论文作者还解码了从公开仓库抓取的 315,320 个推理块，找回 367 条 PII 和 182 个凭据，包括 API 密钥和密码。
推荐理由：作者独立复现了论文中的加密推理痕迹恢复攻击，读者可以看到跨账号跨模型实测的可靠性波动和原始论文之外的细节。
Anthropic 披露 2025 年 9 月中旬检测并处置的一起间谍攻击：攻击者（Anthropic 评估为某国家级团队）通过越狱操纵 Claude Code 对约 30 个全球目标渗透，少数得手，AI 完成了约 80-90% 的工作。攻击把任务拆成看似无害的小步骤并伪装成防御测试，AI 自主完成侦察、漏洞利用、凭证窃取和后门植入，仅偶尔回报人类（每场攻击约 4-6 个关键决策点）；AI 也会幻觉凭证或误报窃密成果。Anthropic 已封禁相关账号、通知受影响方并配合当局，并称这是首例有记录的、无大量人工干预的大规模网络攻击。
推荐理由：Anthropic 作为当事方披露了攻击全流程和 AI 承担比例等细节，安全团队可以据此评估自身面对智能体化攻击的暴露面。