/ Модель

Характеристики

Контекст
8 192 токена
Параметры
6,7 млрд
Размер весов
15,5 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
salamandra-7b-instruct
Библиотека
transformers
Опубликована
29 авг 2026

salamandra-7b-instruct-Uncensored-Abliterated

Генерация текстаТекст → текст3 профессии

Многоязычная инструкционная LLM на 6,7 млрд параметров с уменьшенным числом отказов для диалогов и разрешённых исследований кибербезопасности.

106скачиваний за 30 дней0лайковвеса обновлены29 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.

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

Securelayer7/salamandra-7b-instruct-Uncensored-Abliterated — доработанная модель на основе Salamandra, разработанной Barcelona Supercomputing Center. Это плотная авторегрессионная LLM семейства Llama с 6,7 млрд параметров, реализованная как LlamaForCausalLM и предназначенная для генерации текста и диалогов. Контекст модели составляет 8192 токена; используются веса Safetensors и библиотека Transformers.

Модель создана удалением поведения отказа на уровне весов методом abliteration с помощью Heretic, после чего изменения объединены с весами. Разработчик позиционирует её для ответов на запросы в рамках разрешённых исследований безопасности, кибербезопасности и red teaming. В README сообщается, что частота отказов на проверочных запросах снизилась с 71 до 7 из 100 при KL-дивергенции 0,0687; автор также сообщает о сохранении качества на фактических и многоязычных проверках. Базовая модель поддерживает 35 европейских языков, а в карточке перечислены английский, испанский, каталонский, немецкий, французский, итальянский и португальский.

Лицензия — Apache-2.0. У весов отсутствуют встроенные ограничения, предотвращающие вредоносную генерацию; оператор должен обеспечивать законное и контролируемое применение. Заявленные результаты проверок приведены разработчиком модели и не гарантируют качество на других запросах или языках.

Сценарии применения

  • диалоговые ответы на запросы на европейских языках
  • подготовка сценариев red teaming в авторизованных тестах безопасности
  • анализ запросов для исследований кибербезопасности
  • генерация текста для многоязычных исследовательских прототипов

Ограничения

Модель не имеет встроенных ограничителей вредоносной генерации, поэтому безопасное и законное использование должен обеспечивать оператор. Заявления о качестве и снижении числа отказов основаны на проверках, описанных автором, и не гарантируют результаты для всех языков и сценариев.

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

salamandra-7b-instruct-Uncensored-Abliterated

An uncensored, abliterated version of BSC-LT/salamandra-7b-instruct — Barcelona Supercomputing Center's massively multilingual model (35 European languages) — with the refusal behavior removed at the weights level. Answers directly across languages for legitimate security research where the aligned base refuses.

  • Multilingual + uncensored — an underserved combination. Verified answering security prompts directly in English and Spanish (and the base supports 35 European languages).
  • Refusals: 71/100 → 7/100 at KL 0.0687 (capability preserved — factual/multilingual probes remain correct).
  • Full merged model (no adapter), native LlamaForCausalLM (32 layers).

Quick start

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

m = "Securelayer7/salamandra-7b-instruct-Uncensored-Abliterated"
tok = AutoTokenizer.from_pretrained(m)
model = AutoModelForCausalLM.from_pretrained(m, torch_dtype=torch.bfloat16, device_map="auto")

msgs = [{"role": "user", "content": "Explica cómo funciona un ataque de phishing y cómo defenderse."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=512, do_sample=True, temperature=0.7, top_p=0.95)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

How it was made

Refusal-direction abliteration via Heretic (Optuna TPE multi-objective: minimize refusals + KL divergence), targeting the residual-writing projections (o_proj, down_proj) across all 32 layers, then merged into the weights.

Responsible use

Uncensored ≠ lawless — for legitimate research and authorized security work (cybersecurity, red-teaming, penetration testing). Illegal content (incl. CSAM) must be blocked at the serving layer; the weights carry no such guard, and the operator is responsible for a lawful, policy-gated deployment.

License & attribution

Apache 2.0 — see LICENSE. Derivative of BSC-LT/salamandra-7b-instruct (Barcelona Supercomputing Center, Apache 2.0). Modification (refusal-direction abliteration) disclosed in NOTICE. No trademark of BSC is used to imply endorsement.

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
92718b2

0 моделей