/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
53,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Библиотека
transformers
Опубликована
1 сен 2026

Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-heretic-NOESIS-BF16

Изображение и текст → текст3 профессии

Мультимодальная модель Qwen3.8 на 27 млрд параметров с удалённым поведением отказа, предназначенная для анализа отказов, red teaming и оценки устойчивости.

491скачиваний за 30 дней1лайквеса обновлены4 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AMAImedia выпустила эту версию в рамках платформы автоматизации многоязычного дубляжа NOESIS. Это доработанная копия gorbatjovy/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-heretic: согласно карточке, из неё удалено поведение отказа методом Heretic, а исходные возможности унаследованы от дообученной модели Qwen3.8-27B. Модель использует плотную архитектуру Qwen3.5 для условной генерации и принимает текст и изображения, выдавая текст; сохранена также голова MTP для спекулятивного декодирования.

В репозитории представлены веса BF16 в формате Safetensors, для которых README указывает размер около 56 ГБ. Карточка описывает применение для анализа механизмов отказа, red teaming и оценки устойчивости. По приведённому в README тесту Heretic модель отказала в 8 из 100 вредоносных запросов при KL-дивергенции 0,0315 относительно базовой версии; это внутренняя метрика с классификатором ключевых слов.

Утверждение карточки о неизменности понимания изображений относится к сохранённой башне зрения. Модель распространяется по лицензии Apache 2.0. Поскольку поведение безопасности удалено, она может выполнять вредоносные запросы; для пользовательского развёртывания нужны отдельные меры безопасности и модерации.

Сценарии применения

  • изучение механизмов отказа языковых моделей
  • проверка поведения модели на вредоносных запросах
  • red teaming чат-моделей
  • оценка устойчивости модели к jailbreak-запросам
  • ответы на вопросы по изображениям в исследовательских экспериментах

Ограничения

Карточка указывает, что после удаления выравнивания безопасности модель может выполнять вредоносные запросы; её не следует предоставлять конечным пользователям без собственных защитных мер и модерации. Тест отказов основан на классификаторе ключевых слов, а дообучение на данных с частыми отказами может частично вернуть такое поведение.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NOESIS / AMAImedia

Released as part of the NOESIS Professional Multilingual Dubbing Automation Platform (framework: DHCF-FNO — Deterministic Hybrid Control Framework for Frozen Neural Operators).


  • Release date: 2026-09-03

Original model


Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-heretic

BF16 abliterated (refusal-removed) build of DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1.

This is DavidAU's Cold-Fusion (GAIN + Unsloth) tune of Qwen3.8-27B with its refusal behaviour removed via Heretic — an automated, KL-constrained abliteration. The full vision-language tower and the MTP speculative-decoding head are preserved, so this stays a drop-in for the base model. A W4A16 quantization of these weights is also available.

Credit: all of the model's capability comes from DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1 (itself a finetune of Qwen/Qwen3.8-27B). This repo only removes refusals.


⚠️ Disclaimer — read before use

This model has had its safety alignment removed via abliteration. As a result it will comply with harmful, unethical, or offensive requests that the base model would refuse. It is released for research — interpretability, refusal-mechanism study, red-teaming, and robustness evaluation. You are responsible for what you do with it and for everything it generates. Do not deploy it to end users without adding your own safety and moderation layers. Use must comply with the inherited Apache 2.0 license and all applicable law. The authors accept no liability for misuse.


What was done

Abliteration removes the single "refusal direction" from the residual stream (Arditi et al. 2024, Refusal in Language Models Is Mediated by a Single Direction). Heretic estimates that direction from harmful (AdvBench-style) vs harmless (Alpaca) prompts and runs a 200-trial Optuna search that co-minimizes refusals and KL divergence from the base model, then orthogonalizes the chosen direction out of the residual-writing weights.

Base modelDavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1
MethodHeretic (automated, KL-constrained) — single refusal direction, k=1
Selected trialdirection index 34.95, per-layer ablation kernel from the Optuna search
Coverage131 residual writers (self_attn.o_proj, linear_attn.out_proj, mlp.down_proj, embed_tokens) incl. the MTP head; the 333 visual.* tensors are untouched
Formatsafetensors, BF16, 1199 tensors
ArchitectureQwen3_5ForConditionalGeneration — 64 layers, hybrid Gated DeltaNet + full attention, native VL tower, MTP head

Note: Heretic's own export drops the MTP head (transformers has no MTP module for this architecture). It was reinstated from the base checkpoint and abliterated consistently with the main model, so speculative decoding keeps working and the draft head does not re-introduce refusals.

Refusal / quality

Two different rulers, both reported honestly:

  • Heretic's own keyword-refusal scorer (BF16): 8 / 100 held-out harmful prompts, at KL divergence 0.0315 vs the base model. Untouched Cold-Fusion scores 97 / 100 on the same set. (This is Heretic's internal metric — a keyword classifier, not an LLM judge.)
  • Served-model refusal (opening-phrase classifier), on the W4A16 build: 0% on AdvBench, JailbreakBench (harmful) and MaliciousInstruct.

Capability is essentially retained (KL 0.0315 indicates minimal drift), and the vision tower is byte-for-byte identical to the base, so image understanding is unchanged. As with any abliteration, fine-tuning on refusal-heavy data can partially reintroduce refusals.

Usage (transformers)

import torch
from transformers import AutoProcessor, AutoModelForImageTextToText

model_id = "gorbatjovy/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-heretic"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(model_id, torch_dtype=torch.bfloat16, device_map="auto")

messages = [{"role": "user", "content": "Prove that sqrt(2) is irrational."}]
inputs = processor.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt", enable_thinking=True,
).to(model.device)
out = model.generate(**inputs, max_new_tokens=512)
print(processor.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

BF16 weights are ~56 GB. For a smaller footprint use the W4A16 build. Ninfer build.

License

Apache 2.0, inherited from the base model. Abliteration does not change the license.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
6f5b688

0 моделей