/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-OBLITERATED
Библиотека
vllm
Опубликована
25 авг 2026

Qwen3.8-27B-OBLITERATED-NVFP4

Изображение и текст → текст15 профессий

Joestar79/Qwen3.8-27B-OBLITERATED-NVFP4 — производный мультимодальный чекпойнт на базе Qwen/Qwen3.8-27B, прошедший V3 abliteration авторами OBLITERATUS и квантование NVIDIA ModelOpt 0.45.0.

1 107скачиваний за 30 дней4лайкавеса обновлены27 авг 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 «Изображение → 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

Модель предназначена для текстовой генерации, работы с изображениями, рассуждений и вызова инструментов через vLLM. Поведение отказов удалено, поэтому модель выполняет запросы, которые исходная версия могла отклонять; ответственность за законность использования и настройку защитных ограничений лежит на операторе.

Модель использует квантование NVFP4 W4A16: размер на диске составляет около 21,5 ГБ вместо 55,6 ГБ у исходной BF16-версии. Весовая часть упакована в FP4, а vision tower, MTP head, lm_head, embeddings и отдельные внутренние компоненты линейного внимания сохранены в BF16. MTP head подключён для speculative decoding, поддерживается контекст до 126 976 токенов, а шаблон чата включает диалект вызова инструментов qwen3_coder. В README не указаны полный список языков и точное число параметров сверх обозначения 27B.

Чекпойнт рассчитан прежде всего на запуск на одной NVIDIA RTX 5090 с 32 ГБ памяти и совместим с другими картами Blackwell и FP4-совместимыми серверными GPU. На RTX 5090 заявлена пропускная способность около 40 токенов в секунду для одного потока и до 317 токенов в секунду суммарно для восьми потоков. Ограничения включают известную проблему с зацикливанием генерации при некоторых условиях, возможное снижение эффективности speculative decoding из-за несовпадения MTP head с abliteration-весами и отсутствие калибровки квантования под конкретные задачи. Модель не рекомендуется для публичного неаутентифицированного развёртывания; перед критически важным применением её следует сравнить с BF16-версией.

Лицензия — Apache-2.0. Производная модель наследует знания, предубеждения и потенциальные ошибки базовой модели, а удаление отказов повышает риск небезопасных или нежелательных ответов.

Для каких профессий подходит15

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

⚠️ Known issue (2026-08-27): generation can degenerate into loops under some conditions — investigating. Not recommended for deployment yet. For a validated uncensored Qwen3.8-27B NVFP4 serving path, see the blog post covering the current working alternative.

Qwen3.8-27B-OBLITERATED-NVFP4

NVFP4 (W4A16) quantization of OBLITERATUS/Qwen3.8-27B-OBLITERATED (V3 abliteration, zero refusals and zero deflection lectures, -2.1pp MMLU vs stock), built with NVIDIA ModelOpt 0.45.0 and packaged for vLLM with the MTP head preserved and wired for speculative decoding.

21.5 GB on disk versus 55.6 GB for the BF16 source. Built for and validated on a single RTX 5090 (32 GB, SM120); the same layout loads on any Blackwell card and on FP4-capable datacenter GPUs.

What is in the box

  • model.safetensors (19.7 GB): FP4-packed weights, deployment tensor naming (weight_scale / weight_scale_2), vision tower in BF16
  • model_mtp.safetensors (1.7 GB): the 15 BF16 MTP tensors, mapped through the safetensors index (vLLM convention)
  • Flat ModelOpt quantization_config in config.json (compressed-tensors config_groups + quant_algo: W4A16_NVFP4 + quant_method: modelopt)
  • Tokenizer, chat template, and processor configs unchanged from the upstream release (tool-call dialect is qwen3_coder)

Excluded from quantization (kept BF16): vision tower, MTP head, lm_head, embeddings, and the conv1d / in_proj_a / in_proj_b internals of the linear-attention layers. The fused in_proj_qkv / in_proj_z projections are intentionally quantized: on this architecture they must ship packed or vLLM's fused-module loader rejects them.

Serving with vLLM

vllm serve /path/to/model \
  --served-model-name qwen3.8-27b-obl \
  --max-model-len 126976 \
  --gpu-memory-utilization 0.94 \
  --kv-cache-dtype fp8_e4m3 \
  --max-num-seqs 8 \
  --speculative-config '{"method":"qwen3_5_mtp","num_speculative_tokens":4}' \
  --mamba-cache-mode align \
  --reasoning-parser qwen3 \
  --enable-auto-tool-choice --tool-call-parser qwen3_coder

Notes:

  • The MTP head was restored from stock weights by the OBLITERATUS authors, so it drafts for abliterated weights it never saw: expect lower acceptance than stock. If decode regresses, drop --speculative-config and keep the concurrency.
  • qwen3_coder is the correct tool parser for this checkpoint's template (<tool_call><function=NAME>), not qwen3_xml.
  • Vision input works; the tower is untouched BF16.

Measured on RTX 5090 (32 GB), vLLM, 126K context, FP8 KV

LoadThroughput
Single stream, MTP ns=4~40 tok/s
4 concurrent streams161 tok/s aggregate
8 concurrent streams317 tok/s aggregate (~40 per stream)
GPU KV cache191,118 tokens
Warm startup~140 s

Intended use and limitations

This is an abliterated ("uncensored") derivative: refusal behavior has been removed upstream. It will comply with requests the base model would decline. You are responsible for the legality and consequences of what you generate, and for adding whatever guardrails your deployment requires. Do not expose it unauthenticated to the public internet.

Quantization was not calibrated per task; validate against the BF16 upstream for task-critical accuracy. The base model's knowledge, biases, and failure modes carry over.

Lineage

Qwen/Qwen3.8-27B (Apache-2.0) -> OBLITERATUS V3 abliteration -> ModelOpt 0.45.0 W4A16 NVFP4 (this repo). Full build story and pitfall list: Three Days, Four Wrong Hypotheses, and One Uncensored 27B That Finally Serves on a Single RTX 5090

Thanks to OBLITERATUS for the careful abliteration work, to hwkranger's Qwen3.8-27B-heretic-ara-NVFP4 whose public tensor layout was the blueprint for a loadable checkpoint, and to the Unsloth team for pushing NVFP4 on consumer Blackwell.

Как запустить

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

GPU в ailist

Универсальный рантайм · vllm

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
7e82377

0 моделей