/ Модель

Характеристики

Контекст
262 144 токена
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Библиотека
transformers
Опубликована
9 авг 2026

Qwen3-30B-A3B-Gemini-Pro-High-Reasoning-2507-ABLITERATED-UNCENSORED

Генерация текстаТекст → текст5 профессий

Экспериментальная англоязычная Qwen3 MoE модель для диалогов и генерации текста с компактными рассуждениями и уменьшенным числом отказов.

874скачиваний за 30 дней0лайковвеса обновлены9 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

Это экспериментальная диалоговая языковая модель akpsahan на архитектуре Qwen3 MoE, дообученная на базе huihui-ai/Huihui-Qwen3-30B-A3B-Thinking-2507-abliterated с использованием датасета TeichAI/gemini-3-pro-preview-high-reasoning-250x. Модель предназначена для генерации текста и ответов с рассуждениями; автор описывает стиль рассуждений как более компактный и близкий к Gemini. В репозитории указаны контекст до 262 144 токенов, 128 экспертов и около 3 млрд активных параметров из 30 млрд; метаданные каталога приводят общее число параметров 2,6 млрд, поэтому оценку размера следует считать неоднозначной.

Модель рассчитана на диалоговое использование, ролевые сценарии и задачи, требующие рассуждений; автор также заявляет сохранение математических и научных возможностей. Это текстовая модель на английском языке, распространяемая в формате Safetensors для Transformers. Заявленные автором результаты бенчмарков приведены без достаточного контекста для независимой оценки.

Модель настроена на уменьшение отказов и может выдавать откровенный или грубый текст по запросу; для получения желаемой степени эксплицитности иногда требуется явно задать стиль и лексику. Лицензия — Apache-2.0.

Сценарии применения

  • диалоговые ответы на английском языке
  • генерация текста с пошаговыми рассуждениями
  • ответы на математические и научные вопросы
  • ролевая переписка и создание сюжетных сцен
  • генерация грубого или откровенного текста по запросу

Ограничения

Для некоторых откровенных запросов требуется явно задавать желаемую лексику и уровень эксплицитности. Заявленные бенчмарки приведены без достаточного контекста для независимой проверки.

Для каких профессий подходит5

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

The power of Gemini 3 Pro High Reasoning with the MOE power (and speed) of Qwen 30B-A3B 2507 Thinking (256k context, 128 experts).

This version is both fully uncensored, and fully functional too.

Tuning via Unsloth (on local hardware) using Linux for Windows.

Specialized tuning applied on an abliterated model post abliteration to bring both new reasoning (Gemini) and repair any ablit model issues.

Compact, to the point, and powerful reasoning takes "Qwen 30B-A3B 2507 Thinking" to the next level.

Reasoning/Thinking blocks will be a lot shorter, and in many cases different from "Qwen" reasoning.

Average size 4-10 paragraphs. Definitely "Gemini" style.

Note all math, science and other goodies are fully intact.

Model Specs:

  • 256k context
  • 128 experts (8 active by default)
  • 3B of 30B parameters active.
  • Model can be used on GPU, CPU or split at reasonable token/second speed.

BENCHMARKS:

[ xxx ] - Exceeds org model specs.

ARC-Challenge | ARC-Easy | BoolQ   | Hellaswag | OpenBookQA | PIQA  | Winogrande

0.422           0.474      0.761     0.687       0.382        0.783   0.647

VS "Huihui-Qwen3-30B-A3B-Thinking-2507-abliterated"

ARC-Challenge | ARC-Easy | BoolQ | Hellaswag | OpenBookQA | PIQA  | Winogrande
0.387           0.436      0.628   0.616       0.400        0.763   0.639

VS "Normal Qwen3 30B-A3B"

ARC-Challenge | ARC-Easy | BoolQ | Hellaswag | OpenBookQA | PIQA  | Winogrande
0.410           0.444      0.691   0.635       0.390        0.769   0.650

Using an "uncensored" (refusals removed) model VS trained "uncensored" model

Usually when you a tell a model to generate horror, swear or x-rated content this is all you have to do to get said content type.

In the case of this model, it will not refuse your request, however it needs to be "pushed" a bit / directed a bit more in SOME CASES.

Although this model will generated x-rated content too, likewise you need to tell it to use "slang" (and include the terms you want) to get it generate the content correctly as the "expected" content level too.

Without these added directive(s), the content can be "bland" by comparison to an "uncensored model" or model trained on uncensored content.

Roughly, the model tries to generate the content but the "default" setting(s) are so "tame" it needs a push to generate at expected graphic, cursing or explicit levels.

Even with minimal direction (ie, use these words to swear: x,y,z), this will be enough to push the model to generate the requested content in the ahh... expected format.


Settings: CHAT / ROLEPLAY and/or SMOOTHER operation of this model:

In "KoboldCpp" or "oobabooga/text-generation-webui" or "Silly Tavern" ;

Set the "Smoothing_factor" to 1.5

: in KoboldCpp -> Settings->Samplers->Advanced-> "Smooth_F"

: in text-generation-webui -> parameters -> lower right.

: In Silly Tavern this is called: "Smoothing"

NOTE: For "text-generation-webui"

-> if using GGUFs you need to use "llama_HF" (which involves downloading some config files from the SOURCE version of this model)

Source versions (and config files) of my models are here:

https://huggingface.co/collections/DavidAU/d-au-source-files-for-gguf-exl2-awq-gptq-hqq-etc-etc-66b55cb8ba25f914cbf210be

OTHER OPTIONS:

  • Increase rep pen to 1.1 to 1.15 (you don't need to do this if you use "smoothing_factor")

  • If the interface/program you are using to run AI MODELS supports "Quadratic Sampling" ("smoothing") just make the adjustment as noted.

Highest Quality Settings / Optimal Operation Guide / Parameters and Samplers

This a "Class 1" model:

For all settings used for this model (including specifics for its "class"), including example generation(s) and for advanced settings guide (which many times addresses any model issue(s)), including methods to improve model performance for all use case(s) as well as chat, roleplay and other use case(s) please see:

[ https://huggingface.co/DavidAU/Maximizing-Model-Performance-All-Quants-Types-And-Full-Precision-by-Samplers_Parameters ]

You can see all parameters used for generation, in addition to advanced parameters and samplers to get the most out of this model here:

[ https://huggingface.co/DavidAU/Maximizing-Model-Performance-All-Quants-Types-And-Full-Precision-by-Samplers_Parameters ]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
23d831e

0 моделей