/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,4 млрд
Размер весов
8,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_text · dense
Базовая модель
NeoHorse-1-4B
Библиотека
transformers
Опубликована
26 сен 2026

NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO

Генерация текстаТекст → текст15 профессий

Экспериментальная англоязычная разговорная модель на базе NeoHorse-1-4B для следования инструкциям, работы с инструментами, программирования и рассуждений с пониженным числом отказов.

4 431скачиваний за 30 дней2лайкавеса обновлены26 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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO — разговорная текстовая модель от prithivMLmods на базе TokenRhythm/NeoHorse-1-4B, дообученной на Qwen3.5-4B. Вариант обработан инструментом Heretic для снижения числа отказов; модель рассчитана на диалоги, выполнение инструкций, использование инструментов, программирование и рассуждения.

Модель имеет плотную архитектуру Qwen3.5 и около 3,4 млрд параметров, поддерживает контекст до 262 144 токенов и английский язык. В репозитории доступны веса Safetensors и сборки GGUF разных уровней квантования для запуска через Transformers или llama.cpp. Лицензия — Apache 2.0.

Карточка помечает модель как экспериментальную: возможны артефакты, поэтому ответы следует проверять. Снижение числа отказов также означает, что модель может отвечать на запросы, которые обычно отклоняются.

Сценарии применения

  • диалог с языковой моделью на английском языке
  • генерация и объяснение кода
  • выполнение инструкций в чате
  • использование инструментов в агентных сценариях
  • рассуждение и ответы на вопросы

Ограничения

Модель экспериментальная и может выдавать артефакты; ответы рекомендуется проверять. Обработка Heretic снижает склонность к отказам, поэтому модель может отвечать на запросы, которые другие модели отклоняют.

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

NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO

NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO is an uncensored, heretic-processed variant of TokenRhythm's NeoHorse-1-4B — itself a routing-guided agentic post-training fine-tune of Qwen3.5-4B — with refusal behavior stripped out using the Heretic tool via multi-shot censorship removal, driving refusal rates down to a minimal level while aiming to preserve NeoHorse's original agentic tool-use, coding, and instruction-following gains over the base Qwen3.5-4B. The repository ships the full-precision safetensors checkpoint at root alongside a standard GGUF quantization sweep (BF16, Q6_K, Q5_K_M/S, Q4_K_M/S, Q3_K_L/M) for llama.cpp deployment, and is marked experimental, with the model card noting it may generate artifacts and warranting output review before use. It is released under the Apache License 2.0, inherited through its Qwen3.5-4B and NeoHorse-1-4B lineage.

Repository layout

+-- prithivMLmods/NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO (main)
    +-- / (Root: safetensors)
    +-- GGUF/ (.gguf files: BF16, Q3_K_L, Q3_K_M, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K)

GGUF Model Files

File NameQuant TypeFile SizeFile LinkDescription
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.BF16.ggufBF168.42 GBLinkFull BF16 weights. Highest quality, largest file size.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q3_K_L.ggufQ3_K_L2.42 GBLinkLower quality but usable, good for low RAM availability.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q3_K_M.ggufQ3_K_M2.26 GBLinkLow quality.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q4_K_M.ggufQ4_K_M2.71 GBLinkGood quality, default size for most use cases, recommended.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q4_K_S.ggufQ4_K_S2.56 GBLinkSlightly lower quality with more space savings, recommended.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q5_K_M.ggufQ5_K_M3.07 GBLinkHigh quality, recommended.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q5_K_S.ggufQ5_K_S2.99 GBLinkHigh quality, recommended.
NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q6_K.ggufQ6_K3.46 GBLinkVery high quality, near perfect, recommended.

llama.cpp

LLM inference in C/C++ — https://github.com/ggml-org/llama.cpp

Usage

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "prithivMLmods/NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

messages = [{"role": "user", "content": "Hello, who are you?"}]
text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=512, temperature=1.0, top_p=0.95, top_k=20)
print(tokenizer.decode(out[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

The root of the repository holds the full-precision safetensors checkpoint. The GGUF/ subdirectory holds the standard llama.cpp quantization sweep, from BF16 down to Q3_K_L.

llama.cpp (GGUF)

1. Download a quant

Pick one GGUF file based on your available RAM/VRAM. Reasonable defaults: Q4_K_M (balanced), Q5_K_M (higher quality), Q6_K/BF16 (near-lossless, more memory).

pip install -U "huggingface_hub[cli]"

hf download prithivMLmods/NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO \
  --include "GGUF/NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q4_K_M.gguf" \
  --local-dir ./NeoHorse-1-4B-TURBO

2. Build llama.cpp (skip if already installed)

git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
cmake -B build -DGGML_CUDA=ON   # drop -DGGML_CUDA=ON for CPU-only
cmake --build build --config Release -j

3. Serve it (OpenAI-compatible API)

./build/bin/llama-server \
  -m ./NeoHorse-1-4B-TURBO/GGUF/NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q4_K_M.gguf \
  -c 262144 \
  --host 0.0.0.0 \
  --port 8080 \
  -ngl 999
  • -c 262144 sets the full native context window; lower it (e.g. -c 32768) if you hit memory limits.
  • -ngl 999 offloads all layers to GPU; drop it or set a smaller number for CPU/partial offload.

Query it:

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "neohorse-1-4b-turbo",
    "messages": [{"role": "user", "content": "Hello, who are you?"}],
    "temperature": 1.0,
    "top_p": 0.95,
    "top_k": 20,
    "max_tokens": 512
  }'

4. Or run it directly in the terminal (no server)

./build/bin/llama-cli \
  -m ./NeoHorse-1-4B-TURBO/GGUF/NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO.Q4_K_M.gguf \
  -c 262144 \
  -ngl 999 \
  -cnv \
  --temp 1.0 --top-p 0.95 --top-k 20

-cnv starts an interactive chat session using the model's built-in chat template.

License and Attribution

This model is released under the Apache License 2.0, inherited from the base and fine-tuned models.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
3cff35c

0 моделей