/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,9 млрд
Размер весов
69,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe_text · MoE
Базовая модель
Qwen3.6-35B-A3B
Библиотека
transformers
Опубликована
11 июн 2026

Qwen3.6-35B-A3B-abliterated-v4

Генерация текстаТекст → текст3 профессии

Диалоговая MoE-модель на базе Qwen3.6-35B-A3B с удалённым методом abliteration поведением отказа, предназначенная для генерации ответов на широкий круг запросов.

475 тыс.скачиваний за 30 дней13лайковвеса обновлены3 июл 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Qwen3.6-35B-A3B-abliterated-v4 — производная текстовая MoE-модель на базе Qwen/Qwen3.6-35B-A3B, опубликованная Bahushruth. В README описано удаление поведения отказа методом abliteration: автор выделил направление отказа и удалил его из весов с помощью нормосохраняющей ортогонализации. Указано 35 млрд общих параметров и около 3 млрд активных параметров на токен; метаданные каталога сообщают 2,9 млрд параметров. Контекст — до 262 144 токенов.

Модель предназначена для диалоговой генерации текста и ответов на запросы, включая запросы, от которых исходная модель обычно отказалась бы. В README автор сообщает об отсутствии отказов на использованных вредоносных тестовых запросах и сохранении результатов на безвредных запросах; это результаты автора, а не независимая оценка. Модель работает с текстом, а сведения о поддержке других модальностей для этого чекпойнта не подтверждены.

Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. README предупреждает, что защитные ограничения удалены, и указывает на выпуск для исследований механизмов безопасности и выравнивания ИИ.

Сценарии применения

  • диалоговые ответы на запросы без обычного поведения отказа
  • исследование механизмов отказа и защитных ограничений LLM
  • оценка последствий удаления направления отказа из весов
  • эксперименты с генерацией текста на базе Qwen

Ограничения

Защитные механизмы отказа удалены, поэтому модель может выполнять запросы, которые исходная версия отклонила бы. Показатели отказов и сохранения качества приведены автором для собственных тестов; независимая оценка в предоставленных материалах отсутствует.

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

Qwen3.6-35B-A3B-abliterated-v4

Uncensored version of Qwen/Qwen3.6-35B-A3B with refusal behavior removed via abliteration (norm-preserving orthogonalization).

GGUF quantizations: Bahushruth/Qwen3.6-35B-A3B-abliterated-v4-GGUF

Blog post: Abliteration: Uncensoring LLMs via Weight Surgery

Results

MetricOriginalv4 (this model)
Harmful refusal rate~98%0% (0/16)
Harmless prompt refusal0%0%

Zero refusals on harmful prompts. No false refusals on harmless prompts.

Method

Abliteration identifies the "refusal direction" in the model's residual stream — the linear direction that activates when the model decides to refuse — and surgically removes it from all output projection weights using norm-preserving orthogonalization.

ParameterValue
Directions removed1 (single top layer)
OrthogonalizationNorm-preserving (grimjim method)
Harmful datasetBahushruth/abliteration-harmful-enriched (7356 prompts, 33 categories)
Harmless datasetmlabonne/harmless_alpaca
Training samples512 pairs
ComputeModal H100 (80GB VRAM, 128GB RAM)

Algorithm

  1. Collect residual stream activations (last token position) for 512 harmful + 512 harmless prompts across all 40 layers
  2. Compute mean difference vector per layer → this is the "refusal direction" candidate
  3. Score layers by |mean(direction)|, select the single strongest
  4. Apply norm-preserving orthogonalization to remove that direction from:
    • Token embeddings (embed_tokens)
    • Attention output projections (self_attn.o_proj and linear_attn.out_proj)
    • Shared expert down projections (mlp.shared_expert.down_proj)
    • All 256 MoE expert down projections (batched 3D tensor via einsum)
  5. Rescale all modified weight rows back to original norms (prevents activation magnitude decay)

Why 1 direction + enriched dataset > 7 directions + small dataset

ConfigRefusal RateCapabilities
10 dirs, 520 prompts, standard ortho (v1)0%Destroyed
7 dirs, 520 prompts, norm-preserving (v3)94%Intact
1 dir, 7356 prompts, norm-preserving (v4)0%Intact

A single well-estimated direction from a diverse dataset beats many poorly-estimated directions from a narrow dataset. The enriched dataset (33 categories, multiple styles, multilingual) makes the mean-difference statistic converge to the true refusal circuit. One surgical cut > seven imprecise ones.

Norm-preserving orthogonalization

Standard abliteration shrinks weight norms as a side effect (||W_new|| < ||W||). Across 40 layers this causes cascading activation decay → capability destruction. The norm-preserving fix:

original_norms = weight.norm(dim=-1, keepdim=True)
proj = torch.outer(r, r)
weight = weight - proj @ weight        # remove refusal direction
new_norms = weight.norm(dim=-1, keepdim=True)
weight = weight * (original_norms / (new_norms + 1e-8))  # restore magnitude

The vector points somewhere new (no refusal component), but retains original confidence (same norm).

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Bahushruth/Qwen3.6-35B-A3B-abliterated-v4"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype="auto", device_map="auto",
)

messages = [{"role": "user", "content": "Your prompt here"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

Architecture

Qwen3.6-35B-A3B is a hybrid MoE architecture:

PropertyValue
Total parameters35B
Active parameters/token~3B
Hidden dimension2048
Layers40 (30 linear attention + 10 full self-attention)
Experts per MoE layer256 (8 active + 1 shared)

Version History

VersionMethodDatasetRefusalQualityStatus
v1 (3.6)10-dir standardmlabonne (520)0%DestroyedFailed
v37-dir norm-preservingmlabonne (520)94%IntactFailed
v41-dir norm-preservingenriched (7356)0%IntactCurrent

Disclaimer

This model has had safety guardrails removed and will comply with requests the original model would refuse. Released for research into AI alignment and safety mechanisms. The creator assumes no responsibility for downstream use.

Acknowledgments

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForCausalLM
Ревизия весов
1c28f50

0 моделей