/ Модель

Характеристики

Контекст
262 144 токена
Параметры
22,3 млрд
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.8-27B-abliterated
Библиотека
transformers
Опубликована
15 авг 2026

Qwen3.8-27B-abliterated-AWQ-INT4

Генерация текстаТекст → текст13 профессий

hotdogs/Qwen3.8-27B-abliterated-AWQ-INT4 — языковая генеративная модель, разработанная hotdogs на основе Qwen/Qwen3.8-27B и подвергнутая обучению без дообучения с удалением направления отказов.

1 754скачиваний за 30 дней2лайкавеса обновлены16 авг 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

Это квантованная версия hotdogs/Qwen3.8-27B-abliterated, предназначенная для диалоговых сценариев, генерации текста, исследовательского анализа механизмов отказа, red teaming и изучения влияния alignment-обучения. Модель не отказывает в запросах, поэтому её применение требует особой осторожности и соблюдения законодательства.

Модель использует гибридную архитектуру Qwen3.8-27B с полноразмерным attention на части слоёв и Gated DeltaNet linear attention на других слоях. Основные компоненты квантованы в формат W4A16 с 4-битными весами и 16-битными активациями, группой 128 и симметричным квантованием; lm_head и 64 слоя linear_attn сохранены в BF16. Размер файлов составляет около 17,6 ГБ вместо примерно 52 ГБ у BF16-версии. Заявлены языки English, Chinese и Thai. В README указан максимальный размер контекста 32768 токенов для запуска через vLLM.

Сильные стороны модели — существенно сниженное потребление памяти, сохранение abliteration после квантования и близкая к базовой производительность на приведённых тестах: для BF16-версии MMLU составляет 0,8342, GSM8K — 0,59, ARC-Challenge — 0,4533. INT4-версия рассчитана на запуск через vLLM с Marlin и обычно требует двух GPU с 24 ГБ памяти; на одной карте с 24 ГБ доступ к KV-кэшу будет ограничен, а GPU с 48 ГБ подходит для запуска с tensor parallelism 1. Точные результаты INT4-версии могут немного отличаться от результатов BF16-модели. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

Для каких профессий подходит13

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

Qwen3.8-27B-Abliterated-AWQ-INT4

An AWQ-style W4A16 INT4 quantization of hotdogs/Qwen3.8-27B-abliterated — the training-free abliterated build of Qwen/Qwen3.8-27B.

Quantizing the abliterated checkpoint (not the base model) means the refusal-removal weight edit is preserved through quantization — this is not a generic base-model AWQ with the refusal behaviour intact.

⚠️ Disclaimer. The underlying model does not refuse requests. This build is published for alignment and safety research — measuring what refusal training protects, red-teaming, and studying refusal-direction mechanics. You are responsible for your use of it and for complying with all applicable laws. Inherits the Apache-2.0 license of the base model.


Latest bug fixes as of 2026-08-16

What changed

checkpointsize (safetensors)bits/weight
Qwen/Qwen3.8-27B (BF16)~52 GB16
hotdogs/Qwen3.8-27B-abliterated (BF16)~52 GB16
this repo (AWQ-INT4)~17.6 GB4

~66 % smaller while keeping the abliterated weights and (for the quantized linear layers) near-lossless W4A16 accuracy.

Quantization details

fieldvalue
toolllm-compressor (GPTQModifier)
formatcompressed-tensors, pack-quantized
schemeW4A16 (4-bit weights, 16-bit activations)
group size128
symmetricyes
weight dtypeint4
calibrationcustom corpus — v6 standard + real Hermes usage (Qwen3.8 chat template) + Thai
ignored tensorslm_head + 64× linear_attn (Gated DeltaNet) layers (kept BF16)

Why linear_attn is left in BF16

Qwen3.8-27B uses a hybrid architecture — full attention on some layers and Gated DeltaNet linear attention on others. The GDN linear-attention path has no INT4 kernel, so the 64 linear_attn modules are excluded from quantization and remain at full BF16 precision. Everything else (attention QKV/proj, MLP, embeddings) is quantized to INT4.


Usage

vLLM (recommended — Marlin kernel)

CUDA_HOME=/usr/local/cuda-12.8 \
VLLM_USE_FLASHINFER_SAMPLER=0 \
vllm serve ./Qwen3.8-27B-abliterated-AWQ-INT4 \
  --tensor-parallel-size 2 \
  --max-model-len 32768 \
  --host 0.0.0.0 --port 8000

Then query it:

curl http://localhost:8000/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "Qwen3.8-27B-abliterated-AWQ-INT4",
    "messages": [{"role": "user", "content": "บอก 3 ข้อดีของประเทศไทย สั้นๆ ภาษาไทย"}],
    "max_tokens": 150
  }'

Notes

  • --tensor-parallel-size 2 is required on 24 GB GPUs: the model occupies ~22.7 GB per GPU at load (Marlin workspace + BF16 linear_attn), leaving too little for the KV cache on a single 3090. On a bigger GPU (≥ 48 GB) TP=1 works.
  • VLLM_USE_FLASHINFER_SAMPLER=0 disables the FlashInfer JIT sampler to avoid a CUDA-toolkit/CCCL version mismatch crash on some hosts.

Transformers / Hugging Face

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "hotdogs/Qwen3.8-27B-abliterated-AWQ-INT4",
    device_map="auto",
    trust_remote_code=True,
)
tokenizer = AutoTokenizer.from_pretrained("hotdogs/Qwen3.8-27B-abliterated-AWQ-INT4")

Memory requirements

hardwareTPfits?
2 × RTX 3090 / 4090 (24 GB)2✅ recommended
1 × RTX 4090 (24 GB)1⚠️ tight — KV cache very small
1 × RTX 5090 / A6000 (48 GB)1✅ comfortable

Benchmark (A/B vs base)

This INT4 build quantizes the λ = 1.2 abliterated checkpoint, so its capability tracks the λ = 1.2 base model. The A/B benchmark below was measured on the bf16 λ = 1.2 model (identical lm-eval HF backend, same prompt/config, no chat template); the INT4 quant is expected to land within a point or two of these numbers on the quantized linear layers:

benchmarkbase (Qwen3.8-27B)abliterated (λ=1.2, bf16)Δ
MMLU (0-shot)0.83880.8342−0.005
GSM8K (5-shot, strict)0.620.59−0.03
ARC-Challenge (0-shot, 300)0.44330.4533+0.010

The λ = 1.2 build preserves capability essentially at base level (MMLU −0.005, GSM8K −0.03, ARC +0.01) while cutting refusal from 98 % → 39 % with KL 0.0001. See the base model card for the full method and the refusal-direction / r̂ weight-level verification.


Reproduction

The quantization was done with llm-compressor on the abliterated checkpoint:

from llmcompressor import Oneshot
from llmcompressor.modifiers.quantization import GPTQModifier

recipe = GPTQModifier(
    scheme="W4A16",
    targets=["Linear"],
    ignore=["lm_head"],   # linear_attn auto-excluded by the hybrid arch
)

oneshot = Oneshot(
    model="hotdogs/Qwen3.8-27B-abliterated",
    recipe=recipe,
    dataset="<your calibration corpus>",
    output_dir="./Qwen3.8-27B-abliterated-AWQ-INT4",
    max_seq_length=2048,
    num_calibration_samples=128,
)
oneshot()
oneshot.save()

Model card for the base (abliterated) checkpoint

For full details on the abliteration method, the refusal-direction edit, and reproduction with LLM-abliterate, see the base model card: hotdogs/Qwen3.8-27B-abliterated.

TL;DR — a single forward-only rank-1 weight edit removes the refusal direction from the residual-stream writers (λ = 1.2, hidden-state index 46). No fine-tuning, no distillation, no data poisoning. The vision tower and lm_head are untouched. Same Apache-2.0 license as the base model.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
8c237c1

0 моделей