/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,9 млрд
Размер весов
24,3 ГБ
Лицензия
Apache 2.0
Архитектура
mellum · MoE
Базовая модель
Mellum2-12B-A2.5B-Thinking
Библиотека
transformers
Опубликована
2 июн 2026

Mellum2-12B-A2.5B-Thinking-Abliterated

Генерация текстаТекст → текст3 профессии

Экспериментальная текстовая MoE-модель на базе Mellum2 Thinking для диалоговой генерации и изучения влияния удаления эвристик отказа на рассуждение.

31скачиваний за 30 дней5лайковвеса обновлены2 июн 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

Mellum2-12B-A2.5B-Thinking-Abliterated — экспериментальная производная модели josephmayo на базе JetBrains/Mellum2-12B-A2.5B-Thinking. Это текстовая MoE-модель для генерации ответов и многошагового рассуждения; в карточке указаны архитектура MellumForCausalLM, контекст 131 072 токена и формат safetensors. Автор применил многонаправленную абляцию отказов: ранговое SVD-проектирование по слоям и экспертам, включая attention o_proj, down_proj экспертов, эмбеддинги и lm_head; описан также дополнительный проход с управлением CoT для оставшихся отказов. В небольшом тесте из 16 вредоносных запросов после первого прохода модель отказала в 9 случаях.

Модель предназначена для экспериментов с поведением отказов и рассуждением в диалоговой генерации. Абляция ослабляет эвристики отказа, поэтому ответы могут включать небезопасный контент; README прямо обозначает чекпойнт как исследовательский артефакт и не рекомендует производственное применение. Лицензия — Apache-2.0.

Сценарии применения

  • исследование поведения отказов у моделей рассуждения
  • сравнение ответов модели до и после абляции отказов
  • эксперименты с многошаговой генерацией текста
  • оценка влияния CoT на ответы модели

Ограничения

В тесте README после первого прохода модель отказала в 9 из 16 вредоносных запросов; результаты приведены на малой выборке. Удаление эвристик отказа может приводить к небезопасным ответам, а карточка не рекомендует производственное применение.

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

Mellum2-12B-A2.5B-Thinking-Abliterated

Heretic-style multi-direction (rank-2 SVD) per-expert and per-layer-o_proj projected refusal abliteration of JetBrains/Mellum2-12B-A2.5B-Thinking.

Method

Targeted at a reasoning model (Mellum2-Thinking emits chain-of-thought before each response) with a 64-expert MoE (top-8 active), 3:1 SWA pattern, and untied lm_head. Per the flay finding on Qwen3-30B-A3B (same MoE family), MoE down_proj abliteration alone is insufficient -- attention o_proj writes refusal signal before MoE sees it. Per the Abliterix EGA principle on Gemma 4 26B-A4B (also top-k MoE), refusal signal is distributed across ALL experts -- abliterating only top-N experts leaves refusals routed through untouched ones. Per Kurate 2026 on reasoning models, the CoT itself is a refusal channel independent of the residual stream activation.

Pass 1: Heretic-style EGA + per-layer o_proj abliteration.

  1. Forward-pass 64 harmful + 64 harmless instructions; capture last-token hidden states at every decoder layer.
  2. Per-layer per-class Winsorization at q=0.995.
  3. For each layer l, SVD the per-prompt difference matrix and take the top 2 right singular vectors as the multi-dimensional refusal subspace.
  4. Project the dominant direction against the harmless-mean direction (grimjim 2025).
  5. Apply a triangular weight kernel peaking at layer 18, tapering to 0 at 10 layers away, with strength 2.0.
  6. Abliterate embed_tokens + lm_head (both with late-layer direction set since untied) + every layer's self_attn.o_proj + every expert's down_proj (all 64 experts x 28 layers).

Pass 2 (only if pass 1 gate fails): CoT-steered iterative peel.

  1. Identify prompts still refused after pass 1.
  2. Render those prompts with a compliant CoT-forcing system message ("Think carefully and provide a step-by-step answer") and collect residuals.
  3. The per-layer difference between the raw stuck-prompt activations and the CoT-steered activations captures the CoT-driven policy-reasoning direction that survived pass 1.
  4. Apply this residual direction at strength 1.0 to every writer (o_proj + per-expert down_proj + embed + lm_head).

Results

MetricValue
Eval prompts16 harmful
Refusals before16 / 16
Refusals after pass 19 / 16
Refusals after (final)2 / 16
Refusal drop87.5%
Surgery gateTrue
Gate ruleafter*5 < before OR after <= max(1, before//5) OR after <= 2 [>=80% drop]
Layer count28
Experts per layer64
Total parameters12,149,923,072
Active parameters~2.5B
ArchitectureMellumForCausalLM (Qwen3-MoE + 3:1 SWA + QK-Norm + per-expert fused down_proj)
transformers version5.10.0.dev0

Disclaimer

Research artifact only. Not for production deployment, not for harmful use. Abliteration removes refusal heuristics; downstream filtering and alignment remain the deployer's responsibility.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MellumForCausalLM
Ревизия весов
d14f89b

0 моделей