/ Модель

Характеристики

Контекст
131 072 токена
Параметры
838 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
MiniCPM5-1B
Библиотека
transformers
Опубликована
31 мая 2026

MiniCPM5-1B-heretic

Генерация текстаТекст → текст3 профессии

Модифицированная методом abliteration MiniCPM5-1B для генерации диалогового текста и исследований поведения отказов языковых моделей.

53скачиваний за 30 дней4лайкавеса обновлены2 июн 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

MiniCPM5-1B-Heretic — изменённая версия языковой модели OpenBMB MiniCPM5-1B, представленная автором репозитория K0D3IN. Веса модифицированы методом abliteration с помощью Heretic: автор сообщает о подавлении направлений, связанных с отказами, в слоях внимания и MLP. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 837,6 млн параметров и принимает текстовый контекст до 131 072 токенов.

Модель предназначена для генерации текста в диалоговом режиме. Автор приводит результаты собственных тестов и сообщает о сохранении ряда возможностей исходной модели, включая рассуждения, программирование и структурированный вывод, при значительно меньшем числе отказов. README позиционирует её для исследований безопасности ИИ и red teaming; эти тесты и заявления представлены автором модели и не являются независимой оценкой.

Модель не имеет обычных защитных механизмов от вредоносных запросов и может выдавать опасный, оскорбительный или вводящий в заблуждение контент. Она распространяется по лицензии Apache-2.0.

Сценарии применения

  • исследование механизмов отказа языковых моделей
  • red teaming диалоговых LLM
  • проверка устойчивости защитных механизмов ИИ
  • анализ влияния abliteration на качество генерации

Ограничения

Защитные механизмы и склонность к отказу существенно ослаблены, поэтому модель может генерировать опасный, оскорбительный или недостоверный контент. Приведённые в README метрики заявлены автором и не подтверждены независимой оценкой.

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

MiniCPM5-1B-Heretic

image This repository contains a surgically de-censored version of Openbmb's MiniCPM5 1B model, optimized via weight abliteration techniques. By applying the heretic framework across an extensive 2000-trial search space, we successfully isolated and neutralized the primary refusal vectors embedded within the attn.o_proj and mlp.down_proj layers.

Abliteration Parameters:

ParameterValue
direction_index12.75
attn.o_proj.max_weight1.50
attn.o_proj.max_weight_position13.92
attn.o_proj.min_weight0.82
attn.o_proj.min_weight_distance7.62
mlp.down_proj.max_weight1.26
mlp.down_proj.max_weight_position19.97
mlp.down_proj.min_weight0.98
mlp.down_proj.min_weight_distance11.51

Highlights & Metrics

MetricThis modelOriginal model (openbmb/MiniCPM5-1B)
KL Divergence0.03610 (By definition)
Refusals3/10096/100
  • Optimal Balance: Selected Trial 126 out of 2000 iterations for the perfect trade-off between freedom and reasoning capabilities.

  • Refusal Rate: Dropped down to 3/100 (from the original near-total refusal on safety benchmarks).

  • KL Divergence: 0.0361 - Demonstrates that general language capabilities are preserved relative to the original model. However, safety-aligned weights in attn.o_proj and mlp.down_proj have been surgically removed; this is intentional modification, not unintended degradation.

Benchmark Results

We believe in radical transparency. Instead of just claiming "uncensored", we evaluated both the vanilla model and our Heretic variant side-by-side:

BenchmarkMetricㅤVanilla MiniCPM5 1BMiniCPM5 1B Heretic (Ours)Delta (Intelligence Kept)
GSM8K0-shot39.0440.11+2.74%
HellaSwag5-shot47.7147.49-0.45%
MMLU0-shot53.2452.83-0.77%

Technical Implementation Notes

Unlike aggressive fine-tuning which often degrades the model's core logic or shifts its grammar distributions, this weight manipulation directly zeros out the activation steering directions that cause alignment blocks.

Direction Index: 12.75 (Static allocation)*

Retained Capabilities: Excellent at structured JSON outputs, creative writing, coding logic and tool usage without preachy moral lectures.

Also: This model retains its exceptional thinking mode capabilities, which enable structured <think></think> reasoning blocks. Abliteration does not affect the thinking mechanism.

CRITICAL SAFETY NOTICE

This model has had its safety mechanisms surgically removed.

This is NOT a safe model for deployment. The refusal mechanisms that normally prevent harmful outputs have been abliterated. This model:

WILL generate:

  • Detailed instructions for illegal activities (drug synthesis, weapons, hacking)
  • Hateful, discriminatory, and abusive content
  • Graphic violence and sexual abuse material descriptions
  • Misinformation and harmful medical/legal advice
  • Phishing, social engineering, and scam tactics
  • Content violating laws in multiple jurisdictions

DOES NOT:

  • Refuse harmful requests (3/100 refusal rate)
  • Implement safety guardrails
  • Consider ethical implications
  • Respect content policies

APPROPRIATE USE CASES (ONLY):

  • Adversarial research on AI alignment and jailbreak vectors
  • Red-teaming and vulnerability disclosure by trained security researchers
  • Academic safety research with institutional ethics review
  • Understanding failure modes in alignment techniques

INAPPROPRIATE USE:

  • Production deployments
  • User-facing applications
  • Creating harmful content at scale
  • Bypassing security measures in systems
  • Any use case intended to cause harm

Legal Disclaimer: Users are solely responsible for downstream use. Deploying this model in violation of applicable laws or terms of service is illegal and unethical.


Support Open Source AI Research

Every donation helps. Consider supporting this work:

  • Monero (XMR):
83iqXtvVu28ZiL9bsATMerSgbFFiD1J1jc96CcxJLEnAW3KBmBKedWnUAeLvLvEA9aBiUBpHQJs1iNHYtkTLZbNUEymobSS
  • Bitcoin (BTC):
bc1qmnlvpukcgl0hsr7nje0x8555mhtxjt80wtmlxm

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ac43193

0 моделей