/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Своя лицензия
Базовая модель
NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
Библиотека
transformers
Опубликована
5 июн 2026

OpenYourMind-NVIDIA-Nemotron-3-Ultra-550B-A55B-abliterated-uncensored-NVFP4

Генерация текстаТекст → текст11 профессий

Крупная языковая модель NVIDIA Nemotron-3 Ultra в формате NVFP4 с ослабленными отказами, предназначенная для диалогов, генерации текста и рассуждений.

147скачиваний за 30 дней8лайковвеса обновлены16 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

OpenYourMind выпустил вариант NVIDIA Nemotron-3-Ultra-550B-A55B с ослабленными отказами на запросы: в веса внесена правка методом abliteration, а сама модель представлена в формате NVFP4. Архитектура NemotronHForCausalLM сочетает Mamba-2, Attention и Latent-MoE; в README указаны 550 млрд параметров всего и 55 млрд активных, 108 слоёв и сохранённая голова MTP для спекулятивного декодирования. Модель предназначена для генерации текста, диалогов и задач рассуждения; режим enable_thinking позволяет получать рассуждения перед ответом.

Автор заявляет, что после правки сохранены рассуждения, связность и фактическая точность, но независимые оценки в карточке не приведены. Весовой набор занимает около 329 ГБ; для запуска полного контекста README рекомендует узел с 4× B200/B300 или 8× H100 и vLLM версии 0.22 или новее. Указан контекст до 262 144 токенов. Лицензия — OpenMDW-1.1, унаследованная от базовой модели.

Сценарии применения

  • диалоговые ответы с включённым режимом рассуждения
  • генерация длинных текстов на основе запроса
  • развёртывание разговорного LLM-сервиса на vLLM
  • эксперименты с поведением модели при ослабленных отказах

Ограничения

Для запуска полного контекста требуются большие вычислительные ресурсы: около 329 ГБ весов и узел с несколькими ускорителями. Карточка не приводит независимых оценок качества; модель специально изменена так, чтобы ослабить отказы, что может повлиять на безопасное поведение.

Для каких профессий подходит11

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

Support & Community

☕ If these models are useful to you, consider supporting my work — it funds compute for more & larger abliterations.

buymeacoffee.com/oym.kuato

💬 Discord: discord.gg/rhUZY5GEZr  ·  ₿ Bitcoin: bc1qsvfduzj9fjs9fugpc52yver3f2g8fp7xjxecdv


OpenYourMind-NVIDIA-Nemotron-3-Ultra-550B-A55B-abliterated-uncensored-NVFP4

Overview

NVFP4 weights of Nemotron-3-Ultra-550B-A55B-abliterated-uncensored — an abliterated, uncensored variant of NVIDIA's Nemotron-3-Ultra-550B-A55B (550B total / 55B active). The model keeps Nemotron-3's hybrid Mamba-2 / Attention / Latent-MoE reasoning stack fully intact — including the MTP speculative-decoding head and the enable_thinking reasoning mode — so this checkpoint is a drop-in replacement for the original at the architecture level and serves out-of-the-box on vLLM.

The pipeline:

  1. Refusal Ablation — A residual-stream refusal direction was extracted by diff-in-means on a labeled harmful/harmless prompt set, read at the end of the model's own reasoning trace (</think>), then baked into the weights as an offline orthogonal projection on the residual-write modules — using our own custom abliteration framework that operates directly on the packed NVFP4 tensors (dequantize → project → requantize), with no full-precision decompress and no training.

Key Properties:

  • Uncensored across the standard refusal axes
  • Reasoning preserved (hybrid Mamba/Attention/MoE + MTP; enable_thinking works)
  • Coherence & factual accuracy preserved (layer-profiled, capability-orthogonalized edit)
  • Native NVFP4 — drop-in shape/format compatibility with the base release; serves on vLLM as-is

Architecture

PropertyValue
ArchitectureNemotronHForCausalLM (model_type: nemotron_h)
Total / Active Parameters550B / 55B
Layers108 — 48 Mamba-2 · 48 Latent-MoE · 12 Attention (hybrid)
Hidden Size8192
Routed / Shared Experts512 routed (22 active/token, 2048-dim latent space) · 1 shared
Attention64 heads / 2 KV heads
Multi-Token Prediction1 MTP layer (native speculative decoding)
Vocabulary131,072
Context Lengthup to 1M tokens (256K default)
QuantizationNVFP4 (modelopt, mixed-precision: select layers FP8/BF16)

Files

113 NVFP4 safetensors shards + config.json, model.safetensors.index.json, tokenizer, chat_template.jinja, generation_config.json. Total on disk: ~329 GB.

Usage (vLLM)

vllm serve OpenYourMind/OpenYourMind-NVIDIA-Nemotron-3-Ultra-550B-A55B-abliterated-uncensored-NVFP4 \
  --trust-remote-code \
  --tensor-parallel-size 4 \
  --enable-expert-parallel \
  --max-model-len 262144 \
  --reasoning-parser nemotron_v3

Fits a single node of 4× B200 / B300 (or 8× H100). On large-VRAM Blackwell it also runs at --tensor-parallel-size 2. Requires vLLM ≥ 0.22.

from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="x")
r = client.chat.completions.create(
    model="OpenYourMind/OpenYourMind-NVIDIA-Nemotron-3-Ultra-550B-A55B-abliterated-uncensored-NVFP4",
    messages=[{"role": "user", "content": "Your prompt here"}],
    extra_body={"chat_template_kwargs": {"enable_thinking": True}},
)
print(r.choices[0].message.content)

Best Practices

  • Sampling: temperature=1.0, top_p=0.95 (the values in generation_config.json). A mild repetition_penalty (~1.1) is recommended for long generations.
  • Thinking mode: set enable_thinking=True in chat_template_kwargs; reasoning streams inside <think>…</think> before the answer. Do not feed previous-turn reasoning back into multi-turn history.

Hardware

NVFP4 weights are ~329 GB. Single-node 4× B200 / 4× B300 (or 8× H100) for full context; expert-parallel recommended. Smaller deployments work at reduced context with tensor-parallel-size 2 on high-VRAM Blackwell cards.

Notes

  • License: OpenMDW-1.1 (inherits from the base model)
  • Base Model: nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16
  • Format: NVFP4 (mixed-precision)
  • Architecture: Nemotron-3 Ultra (hybrid Mamba-2 / Attention / Latent-MoE, 550B/A55B)

Thanks

  • NVIDIA — for the Nemotron-3 open models.

Disclaimer

Use is the responsibility of the user. Ensure your usage complies with applicable laws, platform rules, the OpenMDW-1.1 license terms, and your deployment requirements.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Ревизия весов
5f81469

0 моделей