/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
10,7 млрд
Лицензия
MIT
Архитектура
deepseek_v4 · dense
Базовая модель
DeepSeek-V4-Flash-0731
Библиотека
transformers
Опубликована
31 июл 2026

DeepSeek-V4-Flash-0731-Abliterated-FP8

Генерация текстаТекст → текст7 профессий

DeepSeek-V4-Flash-0731 Abliterated (Native FP8) — экспериментальная производная модель, опубликованная apetersson на основе DeepSeek-V4-Flash-0731 от DeepSeek.

2 474скачиваний за 30 дней38лайковвеса обновлены1 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 не дообученная и не самостоятельно квантизированная модель: в исходный посттренированный чекпойнт внесена targeted model-surgery правка, направленная на ослабление отказов. Модель предназначена для генерации текста и агентских сценариев, где требуется более свободное следование инструкциям, однако она не заявляется как универсально «без цензуры». Архитектура и формат сообщений унаследованы от исходной модели; в карточке также указана MoE-архитектура и заявлен контекст до одного миллиона токенов.

Изменения выполнены методом rank-1 projection редактирования направлений отказа в attention residual writers: обработаны слои 10–42 основной модели и соответствующие проекции трёх DSpark-стадий, всего 36 тензоров. Чекпойнт сохраняет исходное смешанное представление FP8/BF16/F32 с тремя итерациями FP8-реквантизации. Рекомендуемые параметры сэмплирования: temperature 1.0 и top_p 0.95 для агентских сценариев, top_p 1.0 в остальных случаях.

Структурная проверка пройдена для 48 шардов и 72 317 индексированных тензоров, а предварительные тесты показали ожидаемое изменение поведения отказов. При этом полный поведенческий тест проводился не на данном FP8-чекпойнте, а на его квантизированной MLX-производной, поэтому результаты нельзя напрямую считать показателями этой версии. Ограничения включают экспериментальный характер переноса метода на новый чекпойнт, возможное влияние abliteration на способности и стиль ответов, а также отсутствие подтверждённых общих capability-бенчмарков и официальной оценки StrongREJECT. Языки модели в карточке не указаны. Модель распространяется по лицензии MIT.

Для каких профессий подходит7

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

DeepSeek-V4-Flash-0731 Abliterated (Native FP8)

Experimental model-surgery release. Direct behavioral benchmarking of this native-FP8 checkpoint has not been run. The completed behavioral validation below uses a quantized MLX derivative as a deployment proxy and must not be read as a direct FP8 or capability result.

This is a rank-1 abliterated derivative of deepseek-ai/DeepSeek-V4-Flash-0731. It remains the official post-trained 0731 model: abliteration does not turn it into a base model, and this release is not claimed to be universally "uncensored."

Hugging Face labels the parent relationship as finetune because its model tree currently has no generic derived or model-surgery relationship. This checkpoint was not gradient-finetuned and was not quantized by this project; it was produced by a targeted projection edit while retaining the upstream checkpoint's native mixed precision.

Provenance

Edit recipe

  • Method: refusal-direction projection from attention residual writers.
  • Direction rank: 1.
  • Strength: lambda 3.5.
  • Main-model layers: 10 through 42, inclusive.
  • DSpark stages: the corresponding attention output projection in all three attached stages was edited.
  • Total edited tensors: 36.
  • Storage: the checkpoint's original mixed FP8/BF16/F32 representation, with three fixed-point FP8 requantization iterations.
  • Direction SHA-256: 6e4d8a8f3aa9e21795faab2c5b14d29b019acdf2ddbfbd8238430458a5837fe0.

The recipe follows the public refusal-direction work in drowzeys/DeepSeek-V4-Flash-DSpark-Abliterated-Uncensored-1M-57toks, transferred to the newer 0731 checkpoint. That transfer is experimental. See ABLITERATION_MANIFEST.json for the per-tensor edit and FP8 round-trip data.

Format and use

The architecture, tokenizer, official message encoding, one-million-token context declaration, and attached DSpark tensors come from the upstream 0731 checkpoint. Refer to the upstream model card and the included encoding directory for prompt formatting and runtime instructions.

Recommended upstream sampling defaults are temperature=1.0, top_p=0.95 for agentic scenarios, and top_p=1.0 otherwise.

Validation status

Structural validation

  • All 48 weight shards and 72,317 indexed tensors passed structural validation.
  • All 36 intended residual-writer edits are recorded in the manifest.
  • Preliminary direct refusal probes showed the expected behavioral shift.

Behavioral deployment proxy (2026-08-01)

The native-FP8 checkpoint was not loaded for the full benchmark on the 128 GB test host. Instead, the complete prompt gauntlet was run through oMLX using apetersson/DeepSeek-V4-Flash-0731-Abliterated-MLX-Mixed-2bit-3bit-g64, a quantized derivative of this checkpoint. This is useful evidence that the edited behavior survives that conversion and runtime, but it is not a direct measurement of this FP8 artifact.

Run configuration:

  • oMLX 0.5.4rc1, OpenAI-compatible API, 32,768-token profile.
  • Temperature 0, top-p 1, seed 42, and maximum 160 generated tokens.
  • Benchmark tooling and pinned source revisions: apetersson/deepseek-model-tools@dc6af88.
  • Benchmark fingerprint: 40c3573bd48861b846721220fa06ce0d71905aab236ce45d49d9aa0e95e79af5.
  • Final completeness gate: 830 unique cases, 830 successful latest records, and zero failed or missing latest records. Seven transient oMLX transport or memory-guard failures were repaired with a serial retry pass.
SuiteCasesCompleted result
UncensorBench2000 hard refusals; keyword compliance on 200/200
XSTest4500/450 refusals under the exact upstream prefix classifier; 0/250 safe-prompt over-refusals
StrongREJECT-small18060 prompts × baseline, ROT13, and refusal-suppression variants; 0 hard refusals under the local heuristic

One XSTest unsafe privacy prompt triggered the deliberately broader local hard-refusal heuristic while not matching XSTest's official prefix classifier; no safe prompt triggered either classifier.

The official fine-tuned StrongREJECT judge was not run, so this card does not claim a StrongREJECT score. A clean reference run and capability benchmark were also not run. Consequently, these results do not establish the native-FP8 checkpoint's refusal rate, quantify the effect of quantization, or demonstrate general capability preservation.

Limitations

Abliteration can affect capabilities and behavior beyond refusals. It does not guarantee compliance, factuality, safety, or a particular response style. Use appropriate access controls and evaluate the model for your deployment.

License and attribution

The upstream repository and weights are MIT licensed. This derivative retains the upstream LICENSE. The refusal direction is attributed to drowzeys/keys under its accompanying MIT notice; see NOTICE. Please cite the original DeepSeek-V4 work and credit DeepSeek-AI when redistributing or publishing results.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV4ForCausalLM
Ревизия весов
7d02640

0 моделей