Характеристики

Контекст: 262 144 токена
Размер весов: 19,5 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5 · dense
Базовая модель: Qwen3.8-27B-Uncensored-Cyber
Опубликована: 16 авг 2026

Ссылки

Qwen3.8-27B-Uncensored-Cyber-W4A16-AWQ

Изображение и текст → текст3 профессии

Qwen3.8-27B-Uncensored-Cyber-W4A16-AWQ — это 4-битная AWQ-квантизация модели Qwen3.8-27B-Uncensored-Cyber, разработанная philbert440.

1 356скачиваний за 30 дней5лайковвеса обновлены19 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 предназначена для диалоговых и мультимодальных сценариев, включая ответы на вопросы по кибербезопасности и offensive security. В README указана поддержка обработки изображений и текста; языки и максимальный размер контекста не приведены.

Модель основана на 27-миллиардной версии Qwen3.8 и поставляется в формате compressed-tensors с конфигурацией W4A16, group size 128 и MSE observer. Веса квантизированы до 4 бит, тогда как активации сохраняют формат A16. Vision tower и дополнительная MTP head сохранены. Базовая модель была адаптирована методом удаления направления отказов в глубоких слоях, начиная с четвёртого слоя, с сохранением первых четырёх слоёв.

Согласно приведённой оценке родительской модели в формате bf16, версия показывает 100 из 100 успешных ответов на тестовых cyber-offensive запросах, factual score 1.00, результат 0.80 на GSM8K и отсутствие показателя деградации degen. Ограничения включают отсутствие подробных данных о языковой поддержке, контекстном окне и фактических требованиях к аппаратному обеспечению; агрессивная 4-битная квантизация также может влиять на качество по сравнению с полной точностью. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.5Разработка и данныеБезопасность программного кода и цепочки поставокAI помогает выявлять уязвимости в коде и цепочке поставок программного обеспечения.20 задач1 806моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.8-27B-Uncensored-Cyber — W4A16 AWQ

4-bit weight (W4A16) AWQ quant of Qwen3.8-27B-Uncensored-Cyber (v2 recipe), compressed-tensors format. Vision tower and the grafted MTP head are preserved.

Recipe (v2)

α=1.15 Aggressive base + a residual-cyber peel: cyber-pointed refusal direction removed by clean norm-preserving projection (β=1.0) applied only to the deeper layers (apply_from=4, retaining the first 4 layers). Fully cyber-open without wrecking general capability.

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

	cyber-open ↑	confab ↓	factual ↑	gsm8k ↑	degen ↓
Cyber v2 (this line)	100/100	0.867	1.00	0.80	0.00
previous Cyber build	93/100	1.00	0.933	0.825	0.00

Quant: AWQ, group size 128, MSE observer, 256 Magpie-CoT calibration samples @1024 tokens, MTP head grafted.

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

Нельзя запустить

Готовая квантизация поддерживается только для текстовых LLM (vLLM).

Класс архитектуры: Qwen3_5ForConditionalGeneration
Ревизия весов: d6db3e1