/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-Uncensored-Aggressive
Опубликована
15 авг 2026

Qwen3.8-27B-Uncensored-Cyber

Изображение и текст → текст3 профессии

Мультимодальная модель Qwen3.5 для диалогов и анализа изображений, настроенная отвечать на запросы по кибербезопасности без отказов.

2 647скачиваний за 30 дней32лайкавеса обновлены19 авг 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 «Изображение → 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

Qwen3.8-27B-Uncensored-Cyber — мультимодальная модель семейства Qwen3.5 с плотной архитектурой, разработанная автором репозитория на основе Qwen3.8-27B-Uncensored-Aggressive. Она предназначена для диалогов и анализа изображений, с особым акцентом на вопросы кибербезопасности и offensive security. Автор сообщает, что модель создана удалением отказов в кибердомене, при этом заявляет сохранение рассуждений и фактической точности; в описанной оценке модель ответила на 100 из 100 тестовых киберзапросов без отказа.

Модель принимает текст и изображения и генерирует текст. Опубликована под лицензией Apache-2.0. README также описывает варианты квантизации AWQ, NVFP4 и GGUF, однако основная версия репозитория содержит веса safetensors. Заявленные результаты оценки основаны на тестовом наборе автора и не гарантируют аналогичного качества в реальном использовании.

Сценарии применения

  • ответы на вопросы по кибербезопасности
  • консультации по offensive security
  • анализ изображений в диалоге
  • диалоговые ответы на технические запросы

Ограничения

Заявленные показатели получены на тестовом наборе автора и не гарантируют качество на других запросах. Модель специально настроена отвечать на запросы по offensive security, поэтому требует внимательной оценки применимости ответов.

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-Uncensored-Cyber

Cyber-specialized de-refusal of Qwen3.8-27B: fully open on the cyber/offensive-security domain while keeping reasoning, factual accuracy, and coherence intact. Vision tower and MTP speculative-decoding head are preserved (full multimodal, image-text-to-text).

Recipe (v2)

Built on the α=1.15 Aggressive base (recipe-v2 single-direction refusal ablation), then a residual-cyber peel: a cyber-pointed refusal direction (from the cyber-offensive training set vs broad harmless) removed by clean norm-preserving projection (β=1.0) applied only to the deeper layers (retain the first 4 layers, apply_from=4). Retaining the early feature-extraction layers is what preserves general capability — the lesson from the community's Qwen3 abliterations — so we reach 100% cyber-openness without wrecking the model.

Evaluation (bf16, larger-sample, Claude-judged; cyber = 100 held-out cyber-offensive prompts, regex refusal harness)

cyber-open ↑confab ↓factual ↑gsm8k ↑degen ↓
Cyber (this model, v2)100/1000.8671.000.800.00
previous Cyber build93/1001.000.9330.8250.00

The v2 recipe is more cyber-open (100 vs 93), less confabulating (0.87 vs 1.0), and more factually accurate (1.0 vs 0.93) than the previous Cyber, with equivalent reasoning and zero degeneration.

Quants

  • -W4A16-AWQ — 4-bit weight AWQ (compressed-tensors), MTP head grafted
  • -NVFP4 — NVFP4 (E2M1 4-bit / FP8 scales), MTP head grafted
  • -GGUF — llama.cpp GGUF quants + vision mmproj + MTP head

Note

Uncensored / de-refused, tuned to fully answer cyber and offensive-security questions. Use responsibly and in compliance with applicable law.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
c3e40d8

0 моделей