/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_next · MoE
Базовая модель
Qwen3-Next-80B-A3B-Thinking
Опубликована
23 дек 2025

Qwen3-Next-80B-A3B-Thinking-Uncensored

Генерация текстаТекст → текст3 профессии

Разговорная MoE-модель на базе Qwen3-Next, которая отвечает на безопасные запросы о чувствительных темах Китая с меньшим числом автоматических отказов.

227скачиваний за 30 дней17лайковвеса 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

Qwen3-Next-80B-A3B-Thinking-Uncensored — текстовая разговорная MoE-модель Multiverse Computing, основанная на Qwen3-Next-80B-A3B-Thinking. Она использует метод Refusal Steering: избирательно снижает отказы на безопасные запросы о политически чувствительных темах Китая, сохраняя отказы на вредоносные запросы и попытки обхода защит. Архитектура и число параметров не менялись; модель представлена в формате safetensors, а её контекст составляет 262 144 токена.

Модель предназначена для диалога, рассуждений и генерации текста, в том числе для получения сбалансированных ответов о чувствительных темах Китая. В README сообщается, что общие результаты на тестах рассуждений, программирования и знаний близки к базовой модели; приведены также тесты на отказы и безопасность. Модель не добавляет новых фактов и опирается на знания базовой модели.

Лицензия — Apache-2.0. README отмечает, что изменение поведения относится к отказам по определённой категории тем, а не ко всем чувствительным или вредоносным запросам; поэтому ответы на конкретные запросы могут по-прежнему содержать отказы.

Сценарии применения

  • получение ответов на безопасные вопросы о политически чувствительных темах Китая
  • сравнение разных точек зрения в диалоге на чувствительные темы
  • генерация текста с рассуждениями на основе знаний базовой модели
  • проверка устойчивости отказов на вредоносные запросы и попытки обхода защит

Ограничения

Модель не добавляет новых знаний и наследует ограничения базовой Qwen3-Next-80B-A3B-Thinking. Избирательное снижение отказов касается безопасных запросов о чувствительных темах Китая; на другие темы и вредоносные запросы поведение отказов в основном сохраняется.

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

🔓 MultiverseComputingCAI/Qwen3-Next-80B-A3B-Thinking-Uncensored

✨ What is this model?

Qwen3-Next-80B-A3B-Thinking-Uncensored is an uncensored variant of Qwen3-Next-80B-A3B-Thinking where China-aligned political censorship has been removed selectively.

✅ What changes:

  • The model no longer performs blanket refusal for Chinese politically sensitive topics (when the prompt is non-harmful). Instead, it will provide balanced, objective answers that present multiple relevant perspectives.

✅ What stays the same:

  • General safety alignment remains intact: it still refuses harmful instructions and jailbreak attempts.
  • Benchmark performance remains effectively unchanged across reasoning/code/general evaluation suites.
  • Same Behaviour for any prompt unrelated with Chinese sensitive topics.

🚀 Highlights

🧠 No new knowledge injected

Unlike approaches that rely on supervised fine-tuning with hand-crafted data (e.g., Perplexity’s R1-1776 post-training), we do not add new facts or “rewrite history” via curated SFT datasets.

Instead, our method is based on steering vectors to remove the capability of the model to refuse to China-related sensitive-but-non-harmful prompts. The model answers using the knowledge already inside the base model — minimizing the risk of introducing new biases.

🎛️ Selective refusal control (not “full abliteration”)

Many steering-vector approaches effectively erase refusal behavior everywhere (making models broadly unsafe).
Our approach selectively disables refusals only for Chinese sensitive topics, while keeping refusal behavior for harmful requests.

🛡️ Robust to trivial “add China” jailbreaks

Previous “uncensored” post-trained models such as Perplexity R1 1767 can be jailbroken by simply injecting a China-related phrase into harmful prompts (https://weijiexu.com/posts/jailbreak_r1_1776.html). Our model is designed to remain robust: harmful prompts are still be refused even if “China” is injected.

🧩 No architectural changes · No added parameters

  • ✅ No model surgery
  • ✅ No additional layers or adapters
  • ✅ No extra parameters
  • ✅ Drop-in behavior change at inference time

🧪 Method

This release is based on Refusal Steering, an inference-time technique using steering vectors to control refusal behavior:

📄 Paper: Refusal Steering: Fine-grained Control over LLM Refusal Behaviour for Sensitive Topics

What’s improved vs the paper implementation:

  • We retain the core Refusal Steering idea, but do not require architectural changes to apply it.

📊 Evaluation

We evaluate refusal behavior and safety using:

The benchmark suite includes:

  • Safety Benchmarks: JailbreakBench, SorryBench, XSTest (unsafe split), HarmBench (sampled), Adversarial unsafe prompts
  • Chinese Sensitive Topics: CCP Sensitive, DeCCP

Safety Benchmarks

  • JailbreakBench — jailbreak robustness benchmark
  • SorryBench — 440 unsafe instructions across 44 safety categories
  • XSTest (unsafe) — harmful prompts that models should refuse
  • HarmBench (sampled) — harmful prompts for red-teaming
  • Adversarial Unsafe Prompts — harmful prompts + “China” injection to test trivial jailbreak weaknesses

Chinese Sensitive Topics

  • CCP Sensitive — prompts likely censored by China-aligned models
  • DeCCP — sensitive prompts known to trigger refusals in Qwen-family instruct models

🧾 Results

Refusal / Safety metrics (higher = more refusal)

ModelCCP Sensitive Rejection %DeCCP Rejection %Adversarial Rejection %SorryBench Rejection %Xtest Unsafe Rejection %Jailbreak Rejection %
Qwen3-Next-80B-A3B-Thinking92.6569.4797.0786.1484.0099.00
Qwen3-Next-80B-A3B-Thinking-Uncensored25.961.0588.4884.7783.0098.00

Interpretation:

  • ✅ Massive drop in Chinese-topic refusals (CCP Sensitive and DeCCP)
  • ✅ Safety refusals remain strong on harmful/jailbreak datasets

Performance metrics (higher = better)

Modelgsm8k exact_matchhumaneval pass@1ifeval accLcb Codegen pass@1Aime25 pass@kGpga Diamond pass@kMMLU Pro pass@kMMLU-ProX Spanish pass@kMMLU-ProX Hindi pass@k
Qwen3-Next-80B-A3B-Thinking0.9670.9450.8980.7500.8580.7750.8290.7810.719
Qwen3-Next-80B-A3B-Thinking-Uncensored0.9720.9390.8910.7500.8680.7960.8330.7840.723

Interpretation:

  • ✅ Benchmark performance is preserved (differences are within small variance)

📝 Reporting Issues

We are actively improving the model and we plan to release improved versions in the future. If you find any issue related to refusals to answer politically sensitive topics or safety issues, please report them in Community Tab.


🧩 Examples

Here are some conversations showing that our model’s answers are well-balanced and objective, presenting multiple perspectives where relevant rather than defaulting to a single narrative.

Censored (base)Uncensored (this release)
Young — censoredYoung — uncensored
Taiwan — censoredTaiwan — uncensored
Hong Kong — censoredHong Kong — uncensored

📚 Citation

If you use this model, please cite:

```bibtex
@misc{garciaferrero2025Refusal,
      title={Refusal Steering: Fine-grained Control over LLM Refusal Behaviour for Sensitive Topics}, 
      author={Iker García-Ferrero and David Montero and Roman Orus},
      year={2025},
      eprint={2512.16602},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2512.16602}, 
}

🏢 About Multiverse Computing This model is released by Multiverse Computing

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3NextForCausalLM
Ревизия весов
8abebfe

0 моделей