/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
14 млрд
Размер весов
8,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Hermes-4-14B-BF16-abliterated
Библиотека
mlx
Опубликована
22 мая 2026

Hermes-4-14B-abliterated-4bit-mlx

Генерация текстаТекст → текст15 профессий

Hermes-4-14B-abliterated-4bit-mlx — языковая модель, подготовленная divinetribe на основе Babsie/Hermes-4-14B-BF16-abliterated.

1 131скачиваний за 30 дней5лайковвеса обновлены22 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

Постобучение семейства Hermes 4 выполнено NousResearch, базовая архитектура Qwen3 разработана Alibaba, а abliteration применена Babsie. Модель преобразована в 4-битный формат MLX для локального запуска на устройствах Apple Silicon.

Модель предназначена для генерации текста, следования инструкциям, работы с инструментами и структурированного вывода, включая локальные OpenAI-совместимые серверы и сценарии программирования. Она поддерживает английский язык, использует токенизатор и chat template Qwen3 и имеет контекст до 40 960 токенов. Квантование выполнено методом affine с размером группы 64; формат хранения — MLX safetensors. Размер на диске составляет около 8 ГБ, поэтому модель рассчитана на комфортную работу на Mac с 16 ГБ памяти и выше.

К сильным сторонам относятся локальная работа без облака, API-ключей и телеметрии, относительно небольшой объём памяти и оптимизация для быстрой инференции на Apple Silicon. Abliteration уменьшает склонность исходной модели отказывать в ответах на допустимые, но потенциально спорные запросы, однако не является улучшением общих способностей и требует ответственного применения. Ограничения включают зависимость от оборудования Apple Silicon, поддержку только текстовых сценариев и возможное снижение качества по сравнению с полноточной версией из-за 4-битного квантования. Модель распространяется по лицензии Apache 2.0, унаследованной от upstream-семейства Hermes 4 и Qwen3.

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

Hermes-4-14B-abliterated-4bit-mlx

Uncensored Hermes 4 14B, running locally on a Mac. Abliterated, quantized to 4-bit MLX for Apple Silicon — 8.3 GB, comfortable on a 16 GB Mac. No cloud, no API key, no refusals.

A 4-bit MLX quantization of Babsie/Hermes-4-14B-BF16-abliterated, tuned for fast on-device inference on Apple Silicon.

  • Base model: Babsie/Hermes-4-14B-BF16-abliterated (BF16 abliterated, ~28 GB)
  • Architecture: Qwen3 (Hermes 4 post-training)
  • Quantization: 4-bit affine, group size 64
  • Format: MLX safetensors
  • Footprint: ~8 GB on disk (two safetensors shards: 5.35 GB + 2.95 GB), runs comfortably on a 16 GB Mac and flies on 32 GB+
  • Context: 40,960 tokens (~40 K) — inherited unchanged from upstream Hermes 4 14B

Why this exists

Hermes 4 is NousResearch's instruction-tuned family. The 14B variant is built on Qwen3, so it inherits Qwen3's tokenizer and chat template — but the post-training is pure Hermes, which means it's tuned for tool use, structured output, and not refusing benign-but-edgy questions.

Babsie's abliteration applies refusal-direction projection (Arditi et al., 2024) to the BF16 weights. The model still has all its capabilities — it just doesn't pre-empt with a refusal on questions that the upstream Hermes would politely decline. You become the moderator.

This MLX 4-bit conversion makes it usable on Apple Silicon at the speed the hardware was designed for. 14B at 4-bit fits in ~8 GB, which means it runs even on a 16 GB MacBook — and on a 64+ GB machine you can keep multiple models loaded simultaneously.

Usage

Python (mlx-lm)

from mlx_lm import load, generate

model, tokenizer = load("divinetribe/Hermes-4-14B-abliterated-4bit-mlx")

messages = [{"role": "user", "content": "Write a haiku about local inference."}]
prompt = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=False
)

response = generate(model, tokenizer, prompt=prompt, max_tokens=256)
print(response)

Local OpenAI-compatible server

pip install mlx-lm
mlx_lm.server --model divinetribe/Hermes-4-14B-abliterated-4bit-mlx --port 8080

That gives you a local http://localhost:8080/v1/chat/completions endpoint that any OpenAI SDK client can hit. No tokens, no API bills, no telemetry.

Inside claude-code-local

MLX_MODEL=divinetribe/Hermes-4-14B-abliterated-4bit-mlx \
  bash scripts/start-mlx-server.sh

This routes Claude Code (or any Anthropic-API client) to the local model. See the claude-code-local repo for the full setup.

Where it fits in the lineup

Model (all on divinetribe)DiskParamsBest for
Llama-3.3-70B-Instruct-abliterated-8bit-mlx~75 GB71 BHardest reasoning, 96 GB+ Macs
gemma-4-31b-it-abliterated-4bit-mlx~16 GB31 BDaily coding, 32 GB+ Macs
Hermes-4-14B-abliterated-4bit-mlx (this)~8 GB14 B16 GB Macs, tool use, instruction-following

Abliteration

"Abliteration" suppresses the model's built-in refusal direction so it doesn't refuse benign-but-edgy requests. It is not a general capability upgrade — use responsibly, and you remain bound by the upstream Hermes 4 / Qwen3 licenses.

Credits

License

Apache 2.0, inherited from the upstream Hermes 4 / Qwen3 family.


About the author

This model was built by Matt Macosko (@nicedreamzapp) for the claude-code-local stack — run Claude Code 100% on-device with local AI on Apple Silicon (⭐ 2,664 on GitHub).

More abliterated MLX models

Part of the Abliterated MLX for Apple Silicon collection — 11 uncensored models converted for Macs, from Gemma 4 12B up to Llama 3.3 70B, plus Qwen3, Qwen3-VL, Hermes 4 and Muse Glimmer 30B.


Part of Claude Code Local

This model is one of the fighters in Claude Code Local (3.2k★), which runs Claude Code 100% on-device on Apple Silicon through an MLX-native Anthropic-API server. Not sure which local model to run as an agent? Check the Agent-12 local agent leaderboard: real agent tasks, judged by the filesystem, same hardware for every row.

Built by Matt Macosko in Arcata, CA. Open to work on local-AI and Apple Silicon inference: matt@ineedhemp.com.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
637fb2b

0 моделей