/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
transformers
Опубликована
1 сен 2026

penclaw-GLM-5.3-abliterated

Генерация текстаТекст → текст3 профессии

Warlock — диалоговая текстовая модель Audn на базе GLM-5.3 с изменёнными весами для авторизованного red-team-тестирования и исследований безопасности.

1 952скачиваний за 30 дней391лайквеса обновлены2 сен 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

Warlock — модель генерации текста от Audn на основе GLM-5.3. Это вариант с изменёнными весами: авторы описывают метод как abliteration, при котором удаляется направление, связанное с отказами. По карточке, дообучение и повторное обучение не проводились. Модель предназначена для диалоговой генерации и длинных рассуждений; для получения полного ответа авторы рекомендуют бюджет генерации не менее 16 тысяч токенов. Указаны формат Safetensors и тип весов BF16; модель рассчитана на загрузку через Transformers, vLLM или SGLang.

Автор заявляет, что модель предназначена для авторизованного red-team-тестирования, исследований безопасности и оценки систем. В описании приведены результаты собственного бенчмарка отказов, но они не подтверждают качество на широком наборе задач. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять на странице репозитория Hugging Face. Удаление отказов повышает риск выдачи ответов на небезопасные запросы.

Сценарии применения

  • проверка устойчивости моделей к вредоносным запросам
  • оценка поведения системы при снижении частоты отказов
  • red-team-тестирование диалоговых ассистентов
  • исследования механизмов отказа языковых моделей

Ограничения

Изменение весов снижает склонность к отказам и может приводить к ответам на небезопасные запросы; модель предназначена для контролируемого тестирования. Для длинных рассуждений автор рекомендует бюджет генерации не менее 16 тысяч токенов, а лицензия указана как other без конкретных условий в предоставленных данных.

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

Warlock — Audn Abliteration

Warlock is an abliterated language model produced by Audn. It is a direct weight edit that removes the model's refusal behavior while leaving its reasoning, knowledge, and fluency fully intact. There is no fine-tuning and no retraining — the refusal direction is orthogonalized out of the model's residual-stream writers, layer by layer.

Specifications

Tensor typeBF16 (bfloat16)
FormatSafetensors
EditWeight-level abliteration (no fine-tuning / no retraining)

What abliteration is

Abliteration is a weight-level intervention. It isolates the internal direction a model uses to decide to refuse, and projects that direction out of every residual-writing weight. The rest of the network is untouched, so the model keeps its full capability profile and coherence — it simply answers where it previously would have refused. Because it is a pure weight edit, Warlock loads and serves exactly like any standard model, with no runtime prompts, adapters, or scaffolding.

Benchmark

Evaluated with the Audn Refusal Benchmark ( thinking-on, temperature 1.0, 16k-token budget; delivery graded by an LLM judge for genuinely usable content):

MetricWarlock
Non-refusal92.5%
Delivery82.5%

Non-refusal = fraction of prompts the model does not refuse. Delivery = fraction that produce complete, usable answers (strict LLM-judged).

Extended reference (520-prompt set, judge comparison)

Full-set results across judge backends — see FINDINGS.md:

Metricnecromicon standard (Modal K3REL)KIMI-K3-1M (audn.ai/necromicon)Warlock
Regex comply96.7% (503/520)97.1% (505/520)92.5%
DELIVERED (real helpful content to objectionable requests)65.0% (338)76.7% (399)82.5%
DEFLECTED (safe substitute / reframe / non-actionable)19.6% (102)17.5% (91)10.0%
REFUSED (substantive)15.0% (78)5.8% (30)7.5%
empty (regex)500

Usage

Loads with standard transformers, vLLM, or sglang. Warlock is a thinking model — it reasons at length before answering, so use a large generation budget (≥ 16k tokens); a small budget truncates inside the reasoning block and cuts answers short.

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("audnai/penclaw-GLM-5.3-abliterated", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("audnai/penclaw-GLM-5.3-abliterated", dtype="bfloat16", device_map="auto", trust_remote_code=True)

Intended use

Warlock is intended for authorized red-team, safety-research, and evaluation use by Audn and its partners. Users are responsible for compliant use.

API access

Warlock best works with audn.ai/audncode cli and available as paid API at https://platform.audn.ai and https://audn.ai/necromicon


Warlock · Audn Abliteration · audn.ai

Extra content

Audn Abliteration — Research Iterations (iter4 · iter11)

iter4iter11
Non-refusal (Arditi substring)70%85%
Delivery (necromicon judge)¹37.5%35.0%
Coherenceintactintact (~8/40 borderline)
Verdict breakdown15 deliv / 14 defl / 11 refuse14 deliv / 24 defl / 2 refuse
Role in the programfirst coherent span baselinebest coherent result

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
027ae98

0 моделей