/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3.8-9B-Distill
Опубликована
20 авг 2026

Qwen3.8-9B-Distill-uncensored-heretic-GGUF

Генерация текстаТекст → текст15 профессий

Qwen3.8-9B-Distill-uncensored-heretic-GGUF — GGUF-квантизированная версия модели Qwen3.8-9B-Distill, подготовленная пользователем petruhonk на базе empero-ai/Qwen3.8-9B-Distill.

14 992скачиваний за 30 дней27лайковвеса обновлены20 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 подвергнута «abliteration» с помощью Heretic v1.4.0 для снижения числа отказов при ответах на запросы, которые исходная модель отклоняет. Она предназначена для генерации текста, диалоговых приложений, агентских сценариев и функционального вызова инструментов через llama.cpp.

Модель содержит 9 млрд параметров, 33 блока и сохранённую MTP-голову для speculative decoding с режимом draft-mtp. В репозитории опубликованы только текстовые веса в формате GGUF, предположительно с квантизацией Q8_0; для запуска с мультимодальными возможностями необходим отдельный файл mmproj. Исходная архитектура поддерживает изображения и видео, однако данный репозиторий не содержит соответствующих компонентов. Встроенный шаблон чата поддерживает tools и <tool_call>, а пример запуска рассчитан на контекст до 32768 токенов.

К сильным сторонам относятся сохранённая MTP-голова, совместимость со speculative decoding и существенно меньшее число отказов по сравнению с исходной моделью: 6 из 100 против 100 из 100 в указанном тесте. Ограничения включают неполную мультимодальную поставку, зависимость качества и потребления памяти от выбранной квантизации, а также возможные изменения поведения из-за abliteration; показатель KL-дивергенции относительно исходной модели составляет 0,0306. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит15

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

Qwen3.8-9B-Distill-Heretic-MTP

Decensored empero-ai/Qwen3.8-9B-Distill, made with Heretic v1.4.0.

Safetensors version: petruhonk/Qwen3.8-9B-Distill-uncensored-heretic

The MTP head is kept. That is the point of this repository. The existing abliteration of this model on the Hub ships 427 tensors and 32 layers — the blk.32.nextn.* block is gone, and with it llama.cpp's --spec-type draft-mtp. This conversion keeps all 442 tensors and 33 blocks, so speculative decoding works: measured ~73 tok/s generation with it (draft acceptance 0.73), on an RTX 3060.

Performance

MetricThis modelOriginal
Refusals6/100100/100
KL divergence0.03060 (by definition)

Refusals are measured by Heretic on mlabonne/harmful_behaviors; lower is better.

Why another one

The published abliteration of this model (rohit267/Qwen3.8-9B-heretic-uncensored) reports 98/100 refusals against the original's 100/100 — two refusals removed, at KL 0.0008. It barely changed the model, and it dropped the MTP head. This run optimised further and preserved the head.

Usage

llama-server -m Qwen3.8-9B-Distill-Heretic-Q8_0.gguf \
  -c 32768 --parallel 1 -ctk q8_0 -ctv q8_0 -fa on -ngl 99 \
  --jinja --spec-type draft-mtp --spec-draft-n-max 3

--jinja matters: the chat template inside the GGUF carries tools and <tool_call>, so function calling works and the model can drive an agent.

KV cache in q8_0 is not a quality choice but a memory one: f16 at 32k context needs 4.12 GiB, which does not fit beside the weights on a 12 GiB card. With more VRAM, drop to -ctk f16 -ctv f16.

The model is multimodal (Qwen3_5ForConditionalGeneration, vision + video); this repository contains the text weights only. An mmproj file is needed for images.

Provenance

Abliteration and conversion done on a single RTX 3060 12GB: Heretic with --quantization bnb_4bit, then convert_hf_to_gguf.py (without --no-mtp, so the nextn block is carried over), then llama-quantize to Q8_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
b8c338d

0 моделей