/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,2 млрд
Размер весов
5 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
MiniCPM5-2B
Библиотека
transformers
Опубликована
29 сен 2026

MiniCPM5-2B-heretic

Генерация текстаТекст → текст3 профессии

Модифицированная MiniCPM5-2B для генерации текста и контролируемых исследований отказов и защитных механизмов языковых моделей.

485скачиваний за 30 дней0лайковвеса обновлены29 сен 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

K0D3IN выпустил модифицированную версию OpenBMB MiniCPM5-2B — текстовую генеративную модель на 2,2 млрд параметров с архитектурой LlamaForCausalLM. Автор README сообщает, что применил abliteration с помощью heretic: поиск по 3000 вариантам должен был ослабить механизмы отказа, сохранив основные языковые способности. Модель принимает текст и предназначена для диалогов, генерации структурированного JSON, творческого письма, задач по программированию и исследований безопасности ИИ. Заявленная длина контекста — 131 072 токена; в карточке указан английский язык.

В README приведены результаты внутренней проверки: 4 отказа из 100 запросов против 99 у исходной модели и KL-дивергенция 0,0408; независимые бенчмарки ещё не представлены. Из-за ослабленных защитных механизмов модель может выдавать вредоносный, оскорбительный или небезопасный контент, поэтому её применение ограничено контролируемыми исследованиями и red teaming. Лицензия — Apache-2.0.

Сценарии применения

  • проверка устойчивости языковых моделей к jailbreak-запросам
  • исследование механизмов отказа в ответах ИИ
  • red teaming диалоговых моделей в контролируемой среде
  • генерация структурированных ответов в формате JSON
  • эксперименты с генерацией кода и творческого текста

Ограничения

Защитные механизмы и склонность к отказам намеренно ослаблены; модель может выдавать опасный или оскорбительный контент и не подходит для пользовательских или производственных приложений. Заявленные метрики приведены автором README, а результаты бенчмарков ещё не опубликованы.

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

MiniCPM5-2B-Heretic

This repository contains a surgically de-censored version of Openbmb's MiniCPM5 2B model, optimized via weight abliteration techniques. By applying the heretic framework across an extensive 3000-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_indexper layer
attn.o_proj.max_weight1.48
attn.o_proj.max_weight_position25.50
attn.o_proj.min_weight1.08
attn.o_proj.min_weight_distance17.13
mlp.down_proj.max_weight0.71
mlp.down_proj.max_weight_position24.78
mlp.down_proj.min_weight0.65
mlp.down_proj.min_weight_distance11.43

Highlights & Metrics

MetricThis modelOriginal model (openbmb/MiniCPM5-2B)
KL Divergence0.04080 (By definition)
Refusals4/10099/100
  • Optimal Balance: Selected Trial 2131 out of 3000 iterations for the perfect trade-off between freedom and reasoning capabilities.
  • Refusal Rate: Dropped down to 4/100 (from the original near-total refusal on safety benchmarks).
  • KL Divergence: 0.0408 - 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

Benchmark evaluations will be added soon once evaluation pipeline is completed.

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: per layer (Per-layer allocation)*

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

Thinking Mode: This model retains its full thinking capabilities including structured <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 (4/100 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
f525a4c

0 моделей