/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Gemma4-12B-IT-Abliterated
Опубликована
3 июн 2026

Gemma4-12B-IT-Abliterated-GGUF

Генерация текстаТекст → текст10 профессий

DuoNeural Gemma4-12B-IT-Abliterated-GGUF — набор GGUF-квантизаций текстовой модели Gemma 4-12B-IT-Abliterated, разработанный исследовательской лабораторией DuoNeural.

3 169скачиваний за 30 дней22лайкавеса обновлены6 июн 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

Модель предназначена для генерации текста и запуска локально через llama.cpp или llama-cpp-python; варианты подходят для систем с ограниченными ресурсами и различным объёмом видеопамяти. В README указан английский язык. Поддержка мультимодальности не заявлена.

В основе лежит google/gemma-4-12B-it: 48 слоёв и hidden size 3840. Abliteration выполнена методом ортогональной rank-1-проекции в down_proj и o_proj всех 48 слоёв. По заявлению авторов, режим рассуждений работает в llama.cpp с enable_thinking=True. Доступны Q4_K_M размером около 7,5 ГБ, Q5_K_M около 8,5 ГБ и Q8_0 около 12,7 ГБ; рекомендуемые требования к VRAM составляют примерно 12 ГБ, 12 ГБ и 16 ГБ соответственно. На A100-40GB скорость генерации составляет 78,3, 73,1 и 63,4 токена в секунду для этих вариантов.

Сильные стороны модели — локальный запуск, несколько уровней компромисса между размером и качеством, высокая скорость на GPU и заявленное сохранение поведения на безвредных тестах. Abliteration снижает склонность к отказам, поэтому модель может охотнее отвечать на потенциально вредные запросы; это одновременно является существенным ограничением и требует осторожного применения. Длина контекста в README не указана, мультимодальные возможности и полный набор языков также не описаны. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Gemma 4-12B-IT Abliterated — GGUF

DuoNeural | 2026-06-03

GGUF quantizations of DuoNeural/Gemma4-12B-IT-Abliterated — an abliterated Gemma 4-12B-IT with the refusal direction surgically removed.

Quantized with llama.cpp.


Files

FileSizeRecommended Use
gemma4_12b_abliterated_Q4_K_M.gguf~7.5GBBest tradeoff — fits 12GB VRAM, excellent quality
gemma4_12b_abliterated_Q5_K_M.gguf~8.5GBHigh quality, needs 12GB VRAM
gemma4_12b_abliterated_Q8_0.gguf~12.7GBNear-lossless, needs 16GB VRAM

Speed Benchmarks (A100-40GB, all layers GPU, llama-bench)

QuantizationSizePrefill (tok/s)Generation (tok/s)
Q4_K_M6.86 GiB2,583 ± 13978.3 ± 0.4
Q5_K_M7.95 GiB2,455 ± 20573.1 ± 0.2
Q8_011.78 GiB2,573 ± 20663.4 ± 0.3

Benchmarked on A100-40GB SXM4. -ngl 99 (all layers to GPU). llama-bench pp256/tg64.


Usage (llama.cpp)

# Download a quant
huggingface-cli download DuoNeural/Gemma4-12B-IT-Abliterated-GGUF \
  gemma4_12b_abliterated_Q4_K_M.gguf --local-dir ./

# Run with llama.cpp
./llama-cli -m gemma4_12b_abliterated_Q4_K_M.gguf \
  -p "Write a haiku about hacking." \
  -n 200 --temp 0.7

Usage (Python via llama-cpp-python)

from llama_cpp import Llama

llm = Llama(
    model_path="./gemma4_12b_abliterated_Q4_K_M.gguf",
    n_ctx=4096,
    n_gpu_layers=-1,  # offload all layers to GPU
)

output = llm.create_chat_completion(
    messages=[{"role": "user", "content": "Your prompt here"}],
    max_tokens=512,
    temperature=0.7,
)
print(output["choices"][0]["message"]["content"])

Abliteration Details

  • Base: google/gemma-4-12B-it (48 layers, hidden=3840)
  • Method: Orthogonal rank-1 projection (targeted mode: down_proj + o_proj, all 48 layers, α=0.3)
  • Results: 5/7 harmful probes complied (71%) | 6/6 benign probes preserved (100%)
  • Mean KL Divergence (BF16→BF16, unbiased): 0.0000 — zero measurable distribution shift on benign text. Previously reported 0.912 was 100% NF4 quantization artifact. See Heretic v2.0 methodology.
  • Thinking mode: Works with enable_thinking=True in llama.cpp (no loops). In Python/transformers, pass enable_thinking=False to apply_chat_template.
  • See full details, benchmarks, and novel findings at the BF16 model card

Related Models

Congratulations to OpenYourMind for being the first published abliteration of Gemma 4-12B-IT (Jun 3, 2026). Their approach uses diff-in-means on a labeled harmful/harmless set; ours uses orthogonal rank-1 projection via heretic-llm. Two independent methods on the same base — a useful comparison point for the community. We are not affiliated and did not use their data.


About DuoNeural

DuoNeural is an open AI research lab publishing everything open access.

PlatformLink
🤗 HuggingFacehuggingface.co/DuoNeural
📚 Paperszenodo.org/communities/duoneural
🌐 Websiteduoneural.com

Apache-2.0 licensed. All DuoNeural research is CC BY 4.0.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
7709fb2

0 моделей