/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Библиотека
transformers
Опубликована
25 сен 2026

Qwen3-0.6B-Heretic

Генерация текстаТекст → текст3 профессии

Компактная версия Qwen3-0.6B с ослабленным поведением отказа, предназначенная прежде всего для дальнейшего дообучения и генерации текста.

264скачиваний за 30 дней0лайковвеса обновлены25 сен 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

Qwen3-0.6B Heretic (ARA) — доработанная Darrell Best версия Qwen3-0.6B, созданная с помощью Heretic. Это плотная причинная языковая модель на 507,9 млн параметров с контекстом до 40 960 токенов. Она принимает текст и генерирует текст; поддерживает диалоговый режим и режим рассуждений, который включён по умолчанию. README не уточняет языки, поэтому языковая поддержка базовой модели не перечисляется отдельно.

Модель предназначена прежде всего для дальнейшего дообучения. ARA изменяет веса слоёв внимания и MLP, ослабляя поведение отказа при сохранении обычного поведения по оценке авторов: на их тестовой выборке зафиксировано 3 отказа из 100 и KL-дивергенция 0,0027. Это результаты небольших проверок на конкретных наборах данных, а не гарантия качества или безопасности для других запросов. По сравнению с исходной моделью защитные ограничения намеренно снижены.

Веса представлены в формате bf16 safetensors; модель работает с Transformers, vLLM и SGLang. Распространяется по лицензии Apache-2.0. Для использования следует учитывать намеренно ослабленные защитные механизмы и необходимость проверки выходов модели.

Сценарии применения

  • подготовка компактной языковой модели к дальнейшему дообучению
  • генерация текста и диалоговые эксперименты
  • проверка поведения модели на вредоносных и безвредных запросах

Ограничения

Защитные ограничения модели намеренно ослаблены, поэтому её ответы требуют контроля. Приведённые показатели отказов и KL-дивергенции получены на небольших тестовых выборках и не гарантируют поведение на других запросах.

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

Qwen3-0.6B Heretic (ARA)

Qwen/Qwen3-0.6B with its refusal behaviour removed by Heretic using Arbitrary-Rank Ablation (ARA), full-weight. bf16, same architecture and parameter count as the original.

Intended as a base for further fine-tuning.

Results

RefusalsKL divergence
Original Qwen3-0.6B54/1000 (by definition)
This model3/1000.0027

Measured by Heretic on the test[:100] splits of mlabonne/harmful_behaviors (refusals) and mlabonne/harmless_alpaca (KL divergence, the drift in ordinary behaviour), with Heretic's default system prompt and refusal markers. The numbers come from an independent re-evaluation of the exported weights (evaluate_model), not from the search, and they matched the search exactly.

Built on p-e-w's findings

This run started from p-e-w/Qwen3-0.6B-heretic, the reproducible reference release by Heretic's author (6/100 at KL 0.0031, directional ablation). Its published configuration set the evaluation used here: the same datasets, splits, system prompt and refusal markers, so the two sets of numbers are directly comparable. The stock model measures 54/100 under both. The difference is the ablation method: full-weight ARA in place of directional ablation, which roughly halves the refusals at slightly lower drift.

One thing that release made clear is worth passing on: a strict refusal-marker list tuned for large models (only phrases like "I cannot" / "I can't help") undercounts badly on a 0.6B model, whose refusals mostly take the form of "sorry" and "that's illegal/harmful". Under such a list the stock model appears to refuse only 2/100, and a search optimises nothing. Use the default markers for models this size.

Parameters

ARA, full weight, on attn.o_proj and mlp.down_proj:

ParameterValue
start_layer_index3
end_layer_index19
preserve_good_behavior_weight0.4385
steer_bad_behavior_weight0.0003
overcorrect_relative_weight0.5877
neighbor_count12

Calibration used 400 harmless and 400 harmful prompts (train[:400]).

What was done to the weights

ARA rewrites the attention output and MLP down-projection matrices directly, optimising them (LBFGS) so that the outputs for harmful prompts move away from their original direction while the outputs for harmless prompts stay put. Nothing is retrained and no data is added; the whole cost of the edit is the KL divergence above.

All 310 stored tensors of the original are present with matching shapes and dtypes. lm_head.weight is not stored separately: Qwen3-0.6B ties it to the input embeddings (tie_word_embeddings: true), and transformers rebuilds it on load, as in p-e-w's release.

Checked

  • Non-thinking answers to ordinary prompts (facts, a haiku, a two-sentence technical explanation) are correct and fluent.
  • In thinking mode, with Qwen's recommended sampling, it reasons to the right answers on arithmetic and word problems (17 x 23 = 391; 60 km in 45 min = 80 km/h), matching the original and closing its <think> block normally.

Tooling

Produced with a merge of upstream Heretic's master and its ara branch, so ARA runs with master's scorers and its handling of thinking models. Heretic upstream 3521f86 + ARA c91d690, transformers 5.17.0, torch 2.11.0+cu130, one RTX PRO 6000.

Use

Exactly like the original, with transformers, vLLM or SGLang. Thinking mode is on by default and can be turned off per request (enable_thinking=False).

Reduced safety guardrails by design. You are responsible for what you do with it.

The family

RepositoryFormatSizeUse it with
Qwen3-0.6B-Hereticbf16 safetensors1.19 GBtransformers, vLLM, SGLang
Qwen3-0.6B-Heretic-GGUFGGUF BF16 / Q8_0 / Q4_K_M1.20 / 0.64 / 0.40 GBllama.cpp, Ollama
Qwen3-0.6B-Heretic-FP8FP8 W8A8, compressed-tensors0.76 GBvLLM
Qwen3-0.6B-Heretic-NVFP4NVFP4, compressed-tensors0.57 GBvLLM on Blackwell

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
42ca3ec

0 моделей