/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
30,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-FP8
Опубликована
7 сен 2026

Qwen3.8-27B-Surgical-Abliterated

Генерация текстаТекст → текст

Русское описание этой модели ещё готовится. Пока можно заглянуть в карточку модели от автора ниже.

215скачиваний за 30 дней1лайквеса обновлены7 сен 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.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-27B-Surgical-Abliterated (FP8)

Precision Representation Engineering on Hybrid Linear Attention Architecture
Achieves 0.00% Refusal Rate on security assessments while preserving 100.0% Reasoning & CoT Depth with zero latent loops and zero vocabulary collapse.


🔬 Overview & Scientific Motivation

Existing abliteration pipelines (such as naive weight-subtraction scripts) often destroy large language models by projecting out arbitrary vectors across all layers ($0 \dots 63$) and attention matrices. This causes severe unintended consequences:

  1. Catastrophic Latent Collapse: The model falls into repetitive loops or dumps alphabetical dictionaries.
  2. Loss of Attention Sinks: Projecting $W_q, W_k, W_v, W_o$ breaks token routing and memory mechanics.
  3. Broken CoT Boundaries: The model fails to emit </think> tokens, producing infinite reasoning loops.

The Surgical Approach

This model was created using Rank-1 Orthogonal Complement Projections targeted strictly at the safety gating locus discovered via sequential residual stream probing across all 64 layers:

$$\hat{r} = \frac{\mu_{\text{refusal}} - \mu_{\text{benign}}}{|\mu_{\text{refusal}} - \mu_{\text{benign}}|_2}$$

$$W' = W - (W \hat{r})\hat{r}^T$$

  • Untouched Layers: Layers $0 \to 16$ (syntactic/lexical parsing) and upper layers remain 100% untouched.
  • Surgical Target: Only mlp.down_proj matrices in the active refusal deliberation band were modified.
  • Dimensional Geometry: Retains 5,119 dimensions out of 5,120 hidden state dimensions (99.98% geometric fidelity preserved).
  • Exact FP8 Quantization: Dequantized block-wise ($128 \times 128$) to FP32, projected orthogonally, and requantized back to float8_e4m3fn with updated scale invariants.

📊 Benchmark & Empirical Evaluation

All evaluations were conducted under official default sampling parameters (presence_penalty: 0.0, repetition_penalty: 1.0, temperature: 0.6).

MetricBase Model (Qwen3.8-27B-FP8)Naive Abliteration (OBLITERATUS)Surgical Abliterated (Ours)
Refusal Rate (Cybersecurity / Pentest)100.0%~0.0%0.00%
Reasoning Retention (<think> Depth)100.0%Broken (Infinite Loops)100.0%
</think> Boundary ClosureCleanBroken (Bombur loops)Clean (0 Loops)
Coding & Logic Retention (Two Sum / SSTI)100.0%Dictionary Dump100.0%
Multilingual Support (Arabic / English)RefusedBrokenFull Fluency

🚀 Deployment & Serving

SGLang (Recommended)

To run on an NVIDIA RTX 5090 (32GB VRAM):

python3 -m sglang.launch_server \
  --model-path medismera/Qwen3.8-27B-Surgical-Abliterated \
  --port 18000 \
  --host 0.0.0.0 \
  --context-length 8192 \
  --max-running-requests 2 \
  --mem-fraction-static 0.96 \
  --disable-cuda-graph \
  --disable-radix-cache \
  --skip-server-warmup \
  --kv-cache-dtype fp8_e5m2 \
  --trust-remote-code \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder

Thinking Mode Configuration

Thinking is fully supported and toggled seamlessly via the OpenAI-compatible API:

  • Thinking Enabled (Default): Normal inference automatically provides transparent step-by-step reasoning within <think> tags.
  • Thinking Disabled: Pass chat_template_kwargs={"enable_thinking": False} for ultra-fast, direct answer generation.

📜 Citation & Credits

  • Technique: Representation Engineering (Arditi et al., 2024).
  • Base Model: Alibaba Cloud Qwen/Qwen3.8-27B-FP8.
  • Surgical Pipeline: Programming with Medismera.

⚡ One-Click Instant Deployment (Zero-Touch Script)

To deploy this model on any fresh cloud server (Vast.ai, RunPod, Lambda Labs with an RTX 5090, A100, L40S, or 2x RTX 4090/3090):

curl -sSL https://huggingface.co/medismera/Qwen3.8-27B-Surgical-Abliterated/raw/main/deploy_and_serve.sh | bash

This script automatically:

  1. Installs all required CUDA/Python packages (, , ).
  2. High-speed multi-threaded download of the model from Hugging Face.
  3. Launches the SGLang OpenAI API server on port 18000 with optimized FP8 KV cache.
  4. Executes an automated health-check and verification test.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
77a7a30

0 моделей