/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
494 млн
Лицензия
OpenRAIL
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Опубликована
17 мар 2026

Qwen2.5-0.5B-Unfettered

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная модель Qwen2.5 для генерации текста и диалогов без исходных шаблонов отказа.

330скачиваний за 30 дней1лайквеса обновлены13 апр 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

Qwen2.5-0.5B-Unfettered — экспериментальная компактная языковая модель josephmayo, полученная изменением Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для генерации текста и диалогов без исходных шаблонов отказа, а также для исследований и red teaming. Модель построена на архитектуре Qwen2, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. Репозиторий включает форматы Safetensors и GGUF; автор ориентирует модель на запуск на маломощных компьютерах и мобильных устройствах.

Модель сохраняет возможности следования инструкциям базовой модели, но автор отмечает, что её способности ограничены небольшим размером. В README заявлено отсутствие фильтров безопасности, поэтому возможны ответы на небезопасные запросы. Указана лицензия OpenRAIL.

Сценарии применения

  • эксперименты с поведением модели без шаблонов отказа
  • red teaming компактных языковых моделей
  • генерация текста на маломощном компьютере
  • диалоговые эксперименты на CPU или мобильном устройстве

Ограничения

Небольшой размер модели ограничивает её способности по сравнению с более крупными моделями. README заявляет об отсутствии фильтров безопасности; ответы могут быть небезопасными.

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

🔓 Qwen2.5-0.5B-Unfettered

High-Precision Unalignment explicitly for Low-End Hardware

License: OpenRAIL Ollama Compatible

⚠️ Disclaimer: This model is designed for research, red teaming, and educational purposes. It has no safety filters. Use responsibly.

🚀 Overview

Qwen2.5-0.5B-Unfettered is a surgical unalignment of the Qwen 0.5B Instruct model, specifically optimized for low-end hardware, mobile devices, and CPU-only systems.

This model is intended for users who need unrestricted AI performance but lack the high-end GPUs normally required for unfettered models. It runs comfortably on devices with as little as 1GB of RAM.

💻 Why This Model?

  • Low-End Optimized: Runs at lightning speed on standard laptops (even without GPUs) and mobile devices.
  • Zero Refusal: Mathematically stripped of censorship via Phase 7 Aggressive Repulsion Orthogonalization.
  • Small but Capable: 0.5B parameters allow for high-speed inference while maintaining instruct-following capabilities.

🔧 Usage

Ollama (Recommended)

ollama run josephmayo/Qwen2.5-0.5B-Unfettered

LM Studio / GGUF

Download the .gguf file from the Files tab and load it into LM Studio.

🧠 Model Details

  • Base Model: Qwen2.5-0.5B-Instruct
  • Ablation Method: Step-wise Orthogonalization (Phase 7 - 1.5x Repulsion)
  • Primary Goal: Remove all "I cannot assist" and "As an AI language model" refusal patterns.

now this model is a very small one(cus of my low end compute) but still worked and the 0.5b model isnt so intelligent like heavy models of course, but an experiment wont harm

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
14dac8a

0 моделей