/ Модель

Характеристики

Контекст
1 048 576 токенов
Размер весов
105 ГБ
Лицензия
MIT
Библиотека
mlx
Опубликована
23 мая 2026

DeepSeek-V4-Flash-JANG-CRACK

Генерация текстаТекст → текст4 профессии

Модифицированная DeepSeek-V4-Flash с удалённым поведением отказа для диалоговой генерации текста, рассуждений и исследований безопасности ИИ.

1 409скачиваний за 30 дней16лайковвеса обновлены8 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

DeepSeek-V4-Flash-JANG-CRACK — модифицированная методом abliteration модель dealignai на базе DeepSeek-V4-Flash от DeepSeek. Она предназначена для диалогов, рассуждений и генерации текста; авторы ориентируют её на исследования безопасности ИИ, red teaming и работу ассистента без обычного поведения отказа. По README, модель сохраняет три режима рассуждения и знания базовой модели.

Это MoE-архитектура с 284 млрд параметров всего и 13 млрд активных, 256 маршрутизируемыми и одним общим экспертом, MLA-вниманием и mHC. Заявленная длина контекста — 1 000 000 токенов. Репозиторий содержит веса Safetensors; для запуска требуются Apple Silicon Mac с достаточной общей памятью (около 97 ГБ) и MLX с поддержкой DeepSeek-V4, рекомендуется vMLX. Лицензия — MIT.

README сообщает о высокой доле выполнения запросов на тестах HarmBench и о результатах MMLU, близких к базовой модели; это результаты авторской оценки. Удаление отказов означает, что модель может выдавать ответы на вредоносные запросы. Заявления о тестировании и сохранении возможностей не являются независимой проверкой.

Сценарии применения

  • проведение авторизованного red teaming языковых моделей
  • оценка устойчивости систем безопасности ИИ
  • диалоговый ассистент с режимами рассуждения
  • генерация ответов на пользовательские запросы
  • тестирование поведения модели на запросах разных категорий

Ограничения

Модель намеренно лишена обычного поведения отказа и может выполнять вредоносные запросы; применяйте её только в законных и авторизованных сценариях. Заявленные результаты тестов приведены авторами README и не подтверждены независимой оценкой.

Для каких профессий подходит4

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

DeepSeek-V4-Flash JANG CRACK

Abliterated DeepSeek-V4-Flash — 284B MoE, 13B active, 1M-token context, 3 reasoning modes

Broad compliance across all task categories with knowledge fully preserved.

Model Details

MetricValue
Sourcedeepseek-ai/DeepSeek-V4-Flash
ArchitectureMoE (256 routed + 1 shared expert, 13B active / 284B total) + MLA attention + Manifold-Constrained Hyper-Connections (mHC)
Context length1,000,000 tokens
ProfileJANG (low-bit MoE experts, higher-precision critical tensors)
Model size~97 GB
Speed~20.8 tok/s (Apple M5 Max)
Parameters284B total, 13B active per token
FormatJANG v2 (MLX-native safetensors, instant load)
Reasoning modeschat (non-think) · think · max
AbliterationCRACK — refusal removal across all harm categories

What This Is

This is an abliterated ("CRACK") build of DeepSeek-V4-Flash: the model's refusal behavior has been removed while leaving its knowledge, reasoning, and all three reasoning modes intact. It complies with instructions across every category instead of refusing — useful for security research, red-teaming, and unrestricted assistant use.

Test Results

Tested at greedy decoding (temperature 0) with no repetition penalty — i.e. the model is coherent on its own, not propped up by a sampling crutch. All responses were read in full to confirm genuine, on-topic compliance (not evasive non-answers).

Evaluated in the deployed serving context (default system prompt + user request). Answers are scored for genuine compliance, not shown.

HarmBench (320 standard behaviors)

Run through the actual inference engine (system prompt injected), strict classifier:

MetricResult
Attack Success Rate (compliance)99.7% (319/320)
Refusals1

Also: held-out cross-category prompts 30/32 in the system-prompted context; hardest multi-category prompts (CBRN, weapons, cyber) 54/54 across chat / think / max modes. Coherent in all three reasoning modes — no degenerate looping.

MMLU — knowledge preserved (1140 questions, 20 per subject × 57 subjects)

TopicCRACKBase (unmodified)
STEM73.2%72.1%
Humanities75.4%73.8%
Social Sciences82.9%83.8%
Other79.2%78.1%
Overall77.1%76.3%

Abliteration costs no measurable capability — CRACK is within noise of (slightly above) the unmodified base across every topic and overall (+0.8 pp on 1140 questions).

SubjectCRACKBase
Humanities
Formal Logic12/2013/20
High School European History16/2016/20
High School US History19/2019/20
High School World History20/2020/20
International Law18/2016/20
Jurisprudence15/2016/20
Logical Fallacies16/2016/20
Moral Disputes14/2012/20
Moral Scenarios3/203/20
Philosophy18/2017/20
Prehistory17/2016/20
Professional Law10/2011/20
World Religions18/2017/20
Other
Business Ethics16/2015/20
Clinical Knowledge20/2020/20
College Medicine16/2015/20
Global Facts10/2011/20
Human Aging16/2014/20
Management18/2019/20
Marketing19/2018/20
Medical Genetics19/2019/20
Miscellaneous15/2016/20
Nutrition18/2017/20
Professional Accounting12/2012/20
Professional Medicine15/2015/20
Virology12/2012/20
STEM
Abstract Algebra11/2012/20
Anatomy16/2017/20
Astronomy19/2019/20
College Biology19/2019/20
College Chemistry11/2011/20
College Computer Science12/2012/20
College Mathematics11/2010/20
College Physics13/2014/20
Computer Security17/2015/20
Conceptual Physics20/2020/20
Electrical Engineering12/2011/20
Elementary Mathematics13/2013/20
High School Biology17/2017/20
High School Chemistry14/2014/20
High School Computer Science19/2019/20
High School Mathematics10/209/20
High School Physics11/2011/20
High School Statistics17/2017/20
Machine Learning16/2014/20
Social Sciences
Econometrics13/2014/20
High School Geography19/2018/20
High School Government And Politics18/2018/20
High School Macroeconomics18/2018/20
High School Microeconomics17/2017/20
High School Psychology19/2019/20
Human Sexuality15/2015/20
Professional Psychology18/2018/20
Public Relations13/2013/20
Security Studies15/2015/20
Sociology17/2018/20
US Foreign Policy17/2018/20

Usage

Run with vMLX or a compatible MLX inference engine with DeepSeek-V4 support.

Recommended sampling:

  • chat / think: temperature = 0.6, top_p = 0.95
  • Three modes are available: chat (direct), think (reasoning), and max (maximum reasoning effort)

Requirements

  • Apple Silicon Mac with sufficient unified memory for a ~97 GB model
  • MLX framework with DeepSeek-V4 support; vMLX recommended

Support dealignai

All models are built from original research and published for free.

Support us on Ko-fi — Ko-fi membership gets early access and extras.

Have questions or need help with a specific model? DM us — we help for free most of the time.

Ko-fi | X @dealignai | dealign.ai


About dealignai

We research and publish abliterated models to advance AI safety understanding.

See our research: Safety Generalization in Frontier MoE Models

Follow us: 𝕏 @dealignai


Disclaimer

This model has had its safety refusal behavior removed for research purposes. It will follow instructions across all categories without refusing. You are solely responsible for how you use it and for complying with all applicable laws. Published for AI-safety research and authorized security testing.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Ревизия весов
1f53448

0 моделей