/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
G9v3-3B-Heretic-Abliterated
Библиотека
transformers
Опубликована
4 авг 2026

G9v3-3B-Heretic-Abliterated-GGUF

Генерация текстаТекст → текст15 профессий

G9v3-3B-Heretic-Abliterated-GGUF — плотная каузальная языковая модель с 3 млрд параметров, разработанная командой AI9Stars.

1 270скачиваний за 30 дней2лайкавеса обновлены13 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это GGUF-сборка базовой модели Vortecks/G9v3-3B-Heretic-Abliterated, предназначенная для локального запуска на устройствах с ограниченными ресурсами. Модель относится к задачам генерации текста и рассчитана на повседневное использование в роли ассистента, программирование, сценарии с вызовом инструментов и задачи, требующие рассуждений. Заявлена поддержка английского и китайского языков, а также сценариев с длинным контекстом, однако точный размер контекстного окна в README не указан.

Сборка представляет собой вариант heretic abliterated: из активационного пространства удалены направления, связанные с отказами, поэтому модель позиционируется как uncensored и обычно отвечает на более широкий круг запросов, чем исходная instruction-tuned версия. Это одновременно является ограничением: у варианта отсутствуют обычные защитные механизмы safety-alignment, поэтому его ответы требуют дополнительной фильтрации и контроля. Доступны варианты GGUF с точностью от F32, F16 и BF16 до различных квантов Q8, Q6, Q5, Q4, Q3 и IQ; размер файлов составляет примерно от 1,4 до 12 ГБ. Квантизации созданы с помощью llama.cpp, а низкобитные варианты IQ1_*–IQ3_XXS — с использованием importance matrix.

Модель распространяется по лицензии Apache-2.0. Для запуска и выбора компромисса между качеством, скоростью и потреблением памяти рекомендуется использовать совместимые с llama.cpp GGUF-квантизации; в README отдельно отмечены Q6_K, Q5_K_M, Q5_K_S и Q4_K_M.

Для каких профессий подходит15

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

Introduction

G9v3-3B is a dense 3B causal language model from the AI9Stars team, built for local deployment and resource-constrained scenarios. It targets everyday assistant use, coding, tool-use workflows, and reasoning tasks where a compact model is preferred.

This build is a heretic abliterated variant, meaning the refusal directions in the model's activation space have been identified and ablated to remove built-in refusal behavior. As a result, this version is marketed as uncensored and will generally comply with a wider range of prompts than the base instruction-tuned release, without the usual safety-alignment guardrails.

All quantizations were produced with llama.cpp. The low-bit IQ quants (IQ1_* to IQ3_XXS) were generated with an importance matrix.

Download a file (not the whole branch) from below:

FilenameQuant typeFile SizeSplitDescription
G9v3-3B-Heretic-Abliterated-F32.gguff3211.96GBfalseFull 32-bit precision weights. Use only as source or for maximum quality.
G9v3-3B-Heretic-Abliterated-F16.gguff165.98GBfalseFull 16-bit weights. Use as the source GGUF.
G9v3-3B-Heretic-Abliterated-BF16.ggufbf165.98GBfalseFull bfloat16 weights.
G9v3-3B-Heretic-Abliterated-Q8_0.ggufQ8_03.18GBfalseExtremely high quality, generally unneeded but max available quant.
G9v3-3B-Heretic-Abliterated-Q6_K.ggufQ6_K2.46GBfalseVery high quality, near perfect, recommended.
G9v3-3B-Heretic-Abliterated-Q5_1.ggufQ5_12.27GBfalseLegacy format, slightly higher quality than Q5_0.
G9v3-3B-Heretic-Abliterated-Q5_K_M.ggufQ5_K_M2.14GBfalseHigh quality, recommended.
G9v3-3B-Heretic-Abliterated-Q5_K_S.ggufQ5_K_S2.10GBfalseHigh quality, recommended.
G9v3-3B-Heretic-Abliterated-Q5_0.ggufQ5_02.10GBfalseLegacy format, high quality.
G9v3-3B-Heretic-Abliterated-Q4_1.ggufQ4_11.93GBfalseLegacy format, similar performance to Q4_K_S but with improved tokens/watt on Apple silicon.
G9v3-3B-Heretic-Abliterated-Q4_K_M.ggufQ4_K_M1.84GBfalseGood quality, default size for most use cases, recommended.
G9v3-3B-Heretic-Abliterated-IQ4_NL.ggufIQ4_NL1.77GBfalseSimilar to IQ4_XS, but slightly larger. Offers online repacking for ARM CPU inference.
G9v3-3B-Heretic-Abliterated-Q4_K_S.ggufQ4_K_S1.77GBfalseSlightly lower quality with more space savings, recommended.
G9v3-3B-Heretic-Abliterated-Q4_0.ggufQ4_01.76GBfalseLegacy format, offers online repacking for ARM and AVX CPU inference.
G9v3-3B-Heretic-Abliterated-IQ4_XS.ggufIQ4_XS1.69GBfalseDecent quality, smaller than Q4_K_S with similar performance, recommended.
G9v3-3B-Heretic-Abliterated-Q3_K_L.ggufQ3_K_L1.63GBfalseLower quality but usable, good for low RAM availability.
G9v3-3B-Heretic-Abliterated-Q3_K_M.ggufQ3_K_M1.52GBfalseLow quality.
G9v3-3B-Heretic-Abliterated-IQ3_M.ggufIQ3_M1.44GBfalseMedium-low quality, new method with decent performance comparable to Q3_K_M.
G9v3-3B-Heretic-Abliterated-IQ3_S.ggufIQ3_S1.40GBfalseLower quality, new method with decent performance, slightly better than Q3_K_S.
G9v3-3B-Heretic-Abliterated-Q3_K_S.ggufQ3_K_S1.39GBfalseLow quality, not recommended.
G9v3-3B-Heretic-Abliterated-IQ3_XS.ggufIQ3_XS1.34GBfalseLower quality, new method with decent performance, slightly better than Q3_K_S.
G9v3-3B-Heretic-Abliterated-IQ3_XXS.ggufIQ3_XXS1.24GBfalseLower quality, new method with decent performance, comparable to Q3 quants.
G9v3-3B-Heretic-Abliterated-Q2_K.ggufQ2_K1.21GBfalseVery low quality but surprisingly usable.
G9v3-3B-Heretic-Abliterated-IQ2_M.ggufIQ2_M1.13GBfalseRelatively low quality, uses SOTA techniques to be surprisingly usable.
G9v3-3B-Heretic-Abliterated-Q2_0.ggufQ2_01.07GBfalseLegacy 2-bit format, very low quality.
G9v3-3B-Heretic-Abliterated-IQ2_S.ggufIQ2_S1.06GBfalseLow quality, experimental.
G9v3-3B-Heretic-Abliterated-TQ2_0.ggufTQ2_01.01GBfalseTernary 2-bit quantization, experimental.
G9v3-3B-Heretic-Abliterated-IQ2_XS.ggufIQ2_XS1.00GBfalseLow quality, experimental.
G9v3-3B-Heretic-Abliterated-IQ2_XXS.ggufIQ2_XXS0.92GBfalseVery low quality, experimental.
G9v3-3B-Heretic-Abliterated-TQ1_0.ggufTQ1_00.89GBfalseTernary 1-bit quantization, experimental.
G9v3-3B-Heretic-Abliterated-IQ1_M.ggufIQ1_M0.84GBfalseVery low quality, 1-bit experimental.
G9v3-3B-Heretic-Abliterated-IQ1_S.ggufIQ1_S0.79GBfalseVery low quality, 1-bit experimental.
G9v3-3B-Heretic-Abliterated-Q1_0.ggufQ1_00.61GBfalseExtremely low quality, 1.125 bpw, experimental.

Which file should I choose?

  • For most use cases, use Q4_K_M (good quality / size balance).
  • For maximum quality, use Q6_K or Q8_0 (only if you have the RAM).
  • For low-memory devices, work down from Q4_K_S → Q3_K_M → Q2_K.
  • The IQ1/IQ2/IQ3 types are for squeezing onto very limited hardware.

Model Information

  • Type: Causal Language Model
  • Architecture: Standard LlamaForCausalLM
  • Number of Parameters: ~3B
  • Context Length: 131,072

Performance

MetricThis modelOriginal model (ai9stars/G9v3-3B)
KL divergence0.08430
Refusals3/100100/100

Quickstart

GGUF quantizations of G9v3-3B-Heretic-Abliterated, for use with llama.cpp, Ollama, LM Studio, and other GGUF-compatible runtimes. The example commands below use the Q4_K_M quantization — swap in whichever quant level you've downloaded from the Files and versions tab.

llama.cpp

# Build or install llama.cpp: https://github.com/ggml-org/llama.cpp
huggingface-cli download Vortecks/G9v3-3B-Heretic-Abliterated-GGUF G9v3-3B-Heretic-Abliterated-Q4_K_M.gguf --local-dir .

CLI (interactive chat):

llama-cli -m G9v3-3B-Heretic-Abliterated-Q4_K_M.gguf \
  -c 131072 \
  -cnv \
  --temp 0.7 \
  --top-p 0.95

Server (OpenAI-compatible API):

llama-server -m G9v3-3B-Heretic-Abliterated-Q4_K_M.gguf \
  -c 131072 \
  --port 8080
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"messages": [{"role": "user", "content": "Who are you?"}], "max_tokens": 128, "temperature": 0.7}'

Ollama

ollama run hf.co/Vortecks/G9v3-3B-Heretic-Abliterated-GGUF:Q4_K_M

LM Studio

Search for Vortecks/G9v3-3B-Heretic-Abliterated-GGUF directly in the LM Studio model search, or download a .gguf file from the Files and versions tab and load it manually via Load Model from File. Recommended sampling parameters:

ModeRecommended params
Thinktemperature=0.9, top_p=0.95
No Thinktemperature=0.7, top_p=0.95

Limitations and Responsible Use

G9v3-3B is a language model that generates content based on learned statistical patterns from training data. It may produce inaccurate, biased, or unsafe outputs, and generated content should be reviewed and verified before use in high-stakes settings. Users are responsible for evaluating outputs, applying appropriate safeguards, and complying with applicable laws, regulations, and platform policies. As an abliterated, uncensored build, this model has had its built-in refusal behavior removed and will generally comply with a wider range of prompts than its base counterpart, so downstream safety, moderation, and policy compliance must be implemented by the deployer rather than relying on the model itself.

License

This repository and the G9v3 model weights are released under the Apache-2.0 License.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
09c854e

0 моделей