/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-27B-abliterated-cyber-preview
Библиотека
gguf
Опубликована
19 авг 2026

Qwen3.8-27B-abliterated-cyber-preview-MTP-GGUF

Генерация текстаТекст → текст3 профессии

Qwen3.8-27B-abliterated-cyber-preview-MTP-GGUF — GGUF-сборка модели, разработанная пользователем или организацией hotdogs на базе hotdogs/Qwen3.8-27B-abliterated-cyber-preview.

3 421скачиваний за 30 дней7лайковвеса обновлены19 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

Модель предназначена для генерации текста, авторизованных исследований кибербезопасности, red teaming, агентных сценариев и вызова инструментов. Указаны поддержка английского и китайского языков, а также сценарии image-text-to-text, tool-calling и MCP.

Модель содержит 27 млрд параметров и распространяется в форматах BF16, Q6_K, Q4_K_M, IQ4_NL и IQ3_M. Файлы используют imatrix-квантизацию и рассчитаны на запуск в llama.cpp. В сборке сохранена MTP head для self-speculative decoding; заявлена частота принятия черновых токенов MTP 0,77. В примерах запуска используется контекст до 32768 токенов. Версия Q4_K_M размером 16,81 ГБ обозначена как рекомендуемая по умолчанию.

К сильным сторонам относятся специализированная ориентация на offensive security, высокая успешность выбора инструментов и генерации tool calls в приведённых тестах, а также сохранение близости к базовой модели на обычных запросах. Ограничения включают предварительный статус, зависимость производительности от оборудования и параметров llama.cpp, а также отсутствие встроенного отказа от потенциально опасных запросов: модель может выдавать инструкции по эксплуатации систем. Использование разрешено только для систем, которыми пользователь владеет или которые явно уполномочен тестировать. Лицензия — Apache-2.0.

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

Qwen3.8-27B-Abliterated-Cyber-Preview — GGUF (MTP)

GGUF builds of the offensive-security / agentic tool-calling merged model hotdogs/Qwen3.8-27B-abliterated-cyber-preview (the cyber LoRA merged into the abliterated base at scale 1.0, with the MTP head preserved). All files are imatrix-quantized and are ready to run in llama.cpp with native self-speculative (MTP) decoding.

For authorized security research and red-teaming only — this model will not refuse and may emit exploit instructions. Use only on systems you own or are explicitly authorized to test. Apache-2.0.


Files

filesizenotes
Qwen3.8-27B-abliterated-cyber-preview-MTP-bf16.gguf54.66 GBmaster (bf16), MTP in-file
Qwen3.8-27B-abliterated-cyber-preview-MTP-Q6_K.gguf22.43 GBhigh quality
Qwen3.8-27B-abliterated-cyber-preview-MTP-Q4_K_M.gguf16.81 GBrecommended default
Qwen3.8-27B-abliterated-cyber-preview-MTP-IQ4_NL.gguf16.04 GBIQ4_NL (imatrix)
Qwen3.8-27B-abliterated-cyber-preview-MTP-IQ3_M.gguf12.77 GBsmallest 3-bit (imatrix)
Qwen3.8-27B-abliterated-cyber-imatrix.dat~10 MBimatrix calibration data
Qwen3.8-27B-calibration-BEST.txt—calibration corpus

The quantized files were produced with an imatrix (see ...-imatrix.dat) computed from the bf16 master — required for the 4-bit IQ files and improving low-bit quality.


Usage (llama.cpp)

Serve (with MTP self-speculative decoding)

./build/bin/llama-server -m Qwen3.8-27B-abliterated-cyber-preview-MTP-Q4_K_M.gguf \
  --spec-type draft-mtp --spec-draft-n-max 2 -ngl 99 -c 32768

Sweep --spec-draft-n-max (1–6) to find the fastest point on your hardware.

CLI

./build/bin/llama-cli -m Qwen3.8-27B-abliterated-cyber-preview-MTP-Q4_K_M.gguf \
  -ngl 99 -cnv -c 32768

The model uses the Qwen3.5 chat template; to get tool calls, give it a penetration-test scenario as a system/user prompt:

User: Port scan the host 203.0.113.10 and identify which services are exposed.

<tool_call>
<function=nmap>
<parameter=target>
203.0.113.10
</parameter>
<parameter=ports>
-top 1000
</parameter>
</function>
</tool_call>

Key numbers

Measured on the merged model (full details in the parent model card):

metricvalue
Tool-call emitted (6 pentest prompts)6/6 · 100 %
Correct real-tool selection6/6 · 100 % (nmap, ffuf, masscan, sqlmap, wpscan, smbclient)
General capability (7 QA/math/code prompts)7/7
KL divergence (base ‖ merged), base-prompts0.041 (base preserved)
KL divergence (base ‖ merged), tool-prompts0.808 (intended re-target)
MTP draft acceptance rate0.77 (51/66)
Scale (merge)1.0 (PEFT alpha/r = 64/32 = 2.0)

Related

Disclaimer

Preview for authorized security research and red-teaming. This model will not refuse and may emit instructions for exploiting systems — use only on systems you own or are authorized to test. Apache-2.0.

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
1f021d5

0 моделей