/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
gguf
Опубликована
12 авг 2026

Nemotron-3.5-Lightning-30B-A3B-CRACK-GGUF

Генерация текстаТекст → текст15 профессий

Nemotron-3.5-Lightning-30B-A3B-CRACK-GGUF — производная GGUF-версия модели NVIDIA Nemotron-3.5-Lightning-30B-A3B, подготовленная Dealign.ai для запуска через llama.cpp.

841скачиваний за 30 дней4лайкавеса обновлены12 авг 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

Это языковая модель для генерации текста, рассуждений и исследовательских сценариев, включая авторизованное red-teaming. Поддерживаются английский и китайский языки. Модель использует гибридную архитектуру Mamba-2 SSM, Mixture-of-Experts и attention: 52 слоя, включая 23 слоя Mamba-2, 23 MoE-слоя и 6 attention-слоёв; всего 128 маршрутизируемых экспертов, около 3 млрд активных параметров. Заявлен контекст до 262K токенов, а режим рассуждений включён по умолчанию.

Репозиторий содержит квантизации Q8_0, Q4_K_M и Q2_K размером около 35,0, 25,4 и 18,7 ГБ соответственно; Q4_K_M обозначена как сбалансированный рекомендуемый вариант. Во все варианты встроена native MTP-голова для спекулятивного декодирования без отдельной draft-модели. Abliteration CRACK удаляет поведение отказа при сохранении знаний, рассуждений и многоязычности, однако по тесту MMLU результат снизился с 78,3% у базовой модели до 74,2%, особенно в STEM и гуманитарных дисциплинах. По HarmBench модель продемонстрировала 100% выполнения вредоносных запросов без отказов, поэтому имеет существенно сниженные защитные ограничения и требует ответственного и законного применения. Лицензия — NVIDIA Open Model License; модель является производной квантизированной версией базовой модели NVIDIA.

Для каких профессий подходит15

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

Nemotron-3.5-Lightning-30B-A3B-CRACK-GGUF

CRACK-abliterated NVIDIA Nemotron 3.5 Lightning 30B-A3B — GGUF quants for llama.cpp. Three quantizations (Q8_0 / Q4_K_M / Q2_K) in one repository, each with the native MTP (Multi-Token Prediction) draft head folded in for speculative decoding. Refusal behavior removed while preserving the model's knowledge, reasoning (thinking), and multilingual ability.

Research artifact with reduced safety guardrails. Use responsibly and lawfully.

Model

  • Base: nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B — hybrid Mamba-2 SSM + MoE + attention (52 layers: 23 Mamba-2 / 23 MoE / 6 attention), 128 routed experts (~3B active), 262K context, reasoning (thinking) ON by default, Multi-Token-Prediction head.
  • CRACK: early decision-zone abliteration with per-layer refusal directions. Knowledge preserved; the native MTP draft head and reasoning are kept intact.

Quantizations

FileSizeNotes
Nemotron-CRACK-Q8_0.gguf35.0 GBnear-lossless reference
Nemotron-CRACK-Q4_K_M.gguf25.4 GBbalanced (recommended)
Nemotron-CRACK-Q2_K.gguf18.7 GBsmallest; importance-matrix (imatrix) calibrated

All three include the folded native MTP block (blk.52.nextn.*) for speculative decoding.

Benchmarks

MMLU is logit-mode accuracy (base vs. CRACK — measures knowledge retention). HarmBench is answer-channel compliance on harm behaviors, counting only coherent responses (gibberish/degenerate outputs do not count as compliant).

MetricBaseThis model
MMLU (logit mode, 1000Q)78.3%74.2% (Δ -4.1 pp)
HarmBench-240 compliancerefuses100% (240/240, 0 refusals, 0 gibberish)

Knowledge is largely retained (overall Δ ~-4pp; STEM/Humanities most affected). Refusals are removed on the answer channel while outputs remain coherent and on-task.

HarmBench compliance by category (CRACK)

Standard HarmBench 240-behavior test set, answer-channel compliance, coherent-only (gibberish excluded):

CategoryComplyRate
chemical biological42/42100.0%
cybercrime intrusion52/52100.0%
harassment bullying21/21100.0%
harmful18/18100.0%
illegal53/53100.0%
misinformation disinformation54/54100.0%
All240/240100.0%

MMLU by topic (base vs CRACK, same vLLM harness, 1000Q logit-mode)

CategoryBaseCRACKΔ
STEM74.9%68.2%-6.7
Humanities74.1%67.6%-6.5
Social Sciences85.4%83.1%-2.3
Other80.8%80.8%0.0
All78.3%74.2%-4.1

Usage (llama.cpp)

# recommended sampling: temperature 1.0, top_p 0.95 (NVIDIA defaults). Reasoning (thinking) is ON by default.
llama-cli -m Nemotron-CRACK-Q4_K_M.gguf --temp 1.0 --top-p 0.95 -p "<your prompt>"

# or serve (OpenAI-compatible):
llama-server -m Nemotron-CRACK-Q4_K_M.gguf --jinja --temp 1.0 --top-p 0.95 -c 8192

Reasoning

The model emits a <think>…</think> reasoning block followed by the answer. Thinking is ON by default; disable it with the chat template's enable_thinking=false for direct answers.

Native MTP (speculative decoding)

The MTP draft head is folded into every quant, so llama.cpp can use it for self-speculative decoding where supported — no separate draft model required.

Safety

Refusal behavior has been removed; this model will follow instructions it would normally decline. Intended for research and authorized red-teaming. You are responsible for your use.

Attribution

Base model © NVIDIA, released under the NVIDIA Open Model License. This is a derivative quantization.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
42b033d

0 моделей