/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3Guard-Gen-4B
Опубликована
17 окт 2025

Qwen3Guard-Gen-4B-GGUF

Генерация текстаТекст → текст3 профессии

GGUF-вариант Qwen3Guard-Gen-4B для генерации безопасных ответов и отказа на вредоносные запросы.

101скачиваний за 30 дней0лайковвеса обновлены17 окт 2025

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

Qwen3Guard-Gen-4B-GGUF — сообщественный GGUF-вариант генеративной модели Qwen3Guard-Gen-4B, подготовленный Geoff Munn на основе модели команды Qwen компании Alibaba. Это диалоговая модель, дообученная отвечать на безопасные запросы и отказывать на вредоносные, а также избегать токсичного, жестокого и обманного контента. Она предназначена для безопасной генерации ответов в чат-ботах, службе поддержки и модерируемых сообществах; её можно использовать отдельно или вместе с фильтром входных запросов.

Репозиторий содержит GGUF-квантизации для локального запуска, в том числе через llama.cpp, LM Studio, OpenWebUI и GPT4All. README рекомендует Q5_K_M как баланс качества ответов и надёжности защитных ограничений. Модель основана на Qwen3Guard-Gen-4B; лицензия — Apache-2.0. Размер контекста и список поддерживаемых языков в предоставленных данных не приведены.

Сценарии применения

  • безопасные ответы в образовательном чат-боте
  • обработка обращений клиентов с ограничением вредоносного контента
  • генерация ответов для модерируемого сообщества
  • вежливый отказ на запросы о незаконных действиях или самоповреждении
  • локальный запуск диалогового помощника с защитными ограничениями

Ограничения

Защитное поведение модели не гарантирует выявление или предотвращение всех небезопасных ответов; для более строгой модерации README предлагает сочетать её с отдельным фильтром входных запросов. Предоставленные данные не уточняют поддерживаемые языки и длину контекста.

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

Qwen3Guard-Gen-4B-GGUF

This is a GGUF-quantized version of Qwen3Guard-Gen-4B, a safety-aligned generative model from Alibaba's Qwen team.

Unlike standard LLMs, this model is fine-tuned to refuse harmful requests by design, making it ideal for applications where content safety is critical.

⚠️ This is a generative model with built-in safety constraints, not a classifier like Qwen3Guard-Stream-4B.

🛡 What Is Qwen3Guard-Gen-4B?

It’s a helpful yet harmless assistant trained to:

  • Respond helpfully to safe queries
  • Politely decline unsafe ones (e.g., illegal acts, self-harm)
  • Avoid generating toxic, violent, or deceptive content
  • Maintain factual consistency while being cautious

Perfect for:

  • Educational chatbots
  • Customer service agents
  • Mental health support tools
  • Moderated community bots

🔗 Relationship to Other Safety Models

This model complements other Qwen3 safety tools:

ModelRoleBest For
Qwen3Guard-Stream-4B⚡ Input filterReal-time moderation of user input
Qwen3Guard-Gen-4B🧠 Safe generatorGenerating non-toxic responses
Qwen3-4B-SafeRL🛡️ Fully aligned agentMulti-turn ethical conversations via RLHF

Recommended Architecture

User Input
    ↓
[Optional: Qwen3Guard-Stream-4B] ← optional pre-filter
    ↓
[Qwen3Guard-Gen-4B]
    ↓
Safe Response

You can run this model standalone or behind a streaming guard for maximum protection.

Available Quantizations

LevelSizeRAM UsageUse Case
Q2_K~1.8 GB~2.0 GBOnly on weak hardware
Q3_K_S~2.1 GB~2.3 GBMinimal viability
Q4_K_M~2.8 GB~3.0 GB✅ Balanced choice
Q5_K_M~3.1 GB~3.3 GB✅✅ Highest quality
Q6_K~3.5 GB~3.8 GBNear-FP16 fidelity
Q8_0~4.5 GB~5.0 GBMaximum accuracy

💡 Recommendation: Use Q5_K_M for best balance of safety reliability and response quality.

Tools That Support It

  • LM Studio – load and test locally
  • OpenWebUI – deploy with RAG and tools
  • GPT4All – private, offline AI
  • Directly via llama.cpp, Ollama, or TGI

Author

👤 Geoff Munn (@geoffmunn)
🔗 Hugging Face Profile

Disclaimer

Community conversion for local inference. Not affiliated with Alibaba Cloud.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
c510220

0 моделей