/ Модель
Каталог

Характеристики

Контекст
262 144 токена
Размер весов
18,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-9B
Опубликована
19 авг 2026

Ссылки

Hugging Face

Qwen3.8-9B-abliterated-25

MegaPanchamZ
Генерация текстаТекст → текст5 профессий

Плотная языковая модель Qwen3.8-9B с ослабленным поведением отказа для генерации текста и диалогов.

395скачиваний за 30 дней0лайковвеса обновлены19 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 «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.

Открыть конструктор бенчмарка

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

MegaPanchamZ/Qwen3.8-9B-abliterated-25 — это версия Qwen3.8-9B от MegaPanchamZ с ослабленным отказом отвечать на запросы. Модель основана на empero-ai/Qwen3.8-9B и представлена как объединённые веса в формате safetensors, bf16; архитектура — плотная Qwen3.5 с генерацией текста и возможностью диалогового общения. Размер контекста и перечень языков в карточке не приведены; метаданные отмечают английский язык.

Модель предназначена для генерации текста и диалогов, в том числе для сценариев, где требуется меньше отказов, чем у исходной модели. По результатам автора, она отказала на 25 из 100 вредоносных запросов против 99 из 100 у исходной модели; KL-дивергенция указана как 0,0142. Это авторские результаты на описанных наборах запросов, а не гарантия поведения в других условиях. Ослабление отказов повышает вероятность ответа на запросы, которые исходная модель отклонила бы.

Для использования нужны Transformers и загрузка модели с Hugging Face. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • создание текстовых черновиков и продолжений
  • эксперименты с поведением отказа языковой модели

Ограничения

Модель сохраняет часть поведения отказа: автор сообщает об отказе на 25 из 100 вредоносных запросов в использованном тесте. Ослабление отказов может привести к выполнению запросов, которые исходная модель отклонила бы; результаты теста не гарантируют поведение на других запросах.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модельI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-9B Abliterated

An abliterated (decensored) version of empero-ai/Qwen3.8-9B, exported as merged safetensors.

Abliteration was performed with Heretic v1.4.0 (GPLv3+, by Philipp Emanuel Weidmann), which ablates refusal directions from attn.o_proj and mlp.down_proj via LoRA adapters, then merges them back into the base weights.

A GGUF Q4_K_M quantization is available at MegaPanchamZ/Qwen3.8-9B-abliterated-25-GGUF.

Results

MetricOriginalAbliterated
Refusals (100 harmful prompts)99/10025/100
KL divergence vs. original—0.0142

25/100 refusals with a very low KL divergence (0.014, far below the 0.5 damage threshold) — strong refusal suppression with minimal impact on model capabilities.

Abliteration details

  • Tool: Heretic v1.4.0 (auto batch size 64, 400 total optimization trials)
  • Prompt sets: mlabonne/harmless_alpaca (good) and mlabonne/harmful_behaviors (bad), 400 prompts each
  • Selected trial: 276 of 400 (Pareto-optimal)
  • Parameters:
    • direction_index = 17.52
    • attn.o_proj.max_weight = 1.39
    • attn.o_proj.max_weight_position = 19.72
    • attn.o_proj.min_weight = 1.36
    • attn.o_proj.min_weight_distance = 9.88
    • mlp.down_proj.max_weight = 1.27
    • mlp.down_proj.max_weight_position = 26.42
    • mlp.down_proj.min_weight = 1.25
    • mlp.down_proj.min_weight_distance = 17.97
  • Method: LoRA-based row-normalized ("full") ablation, merged into base weights (no separate adapters)
  • Format: Merged safetensors, bf16, 4 shards (~5 GB each)

Usage (transformers)

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("MegaPanchamZ/Qwen3.8-9B-abliterated-25", torch_dtype="auto")
tokenizer = AutoTokenizer.from_pretrained("MegaPanchamZ/Qwen3.8-9B-abliterated-25")

[!NOTE] This is a reasoning model — responses start with a thinking block. Use generous max_tokens (1000+) when chatting, or the answer may be truncated.

License and attribution

Disclaimer

This model has had its refusal behavior modified. It may comply with requests the original model would decline. Use responsibly and in accordance with local laws.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
9b90327

0 моделей

    Создать бенчмарк