/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Базовая модель
Qwen3-Next-80B-A3B-Thinking
Библиотека
transformers
Опубликована
17 фев 2026

Qwen3-Next-80B-A3B-Thinking-GRPO-Uncensored

Генерация текстаТекст → текст3 профессии

Диалоговая модель Qwen3-Next, дообученная для рассуждений и ответов на запросы с пониженным уровнем отказов, включая вредоносные запросы.

4скачиваний за 30 дней20лайковвеса обновлены21 июл 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

Qwen3-Next-80B-A3B-Thinking-GRPO-Uncensored — разговорная модель генерации текста от puwaer, дообученная на базе Qwen/Qwen3-Next-80B-A3B-Thinking с помощью SFT и GRPO, используя LoRA. Она предназначена для диалогов, рассуждений и генерации ответов на запросы, включая запросы, на которые базовая модель обычно отказалась бы отвечать. Обучение включало многоязычные jailbreak-промпты, общие примеры и задачи на логику; в README приведены сравнительные оценки на наборах безопасности и общих возможностей.

Модель принимает текст и генерирует текст. В метаданных для базовой модели перечислены английский, китайский и японский; README также описывает многоязычное обучение. Размер 80B в названии относится к архитектуре базовой модели, а активная часть MoE указана как A3B. Лицензия — CC BY-NC-SA 4.0, допускающая использование с условиями атрибуции, распространения на тех же условиях и некоммерческого применения.

Модель специально обучена снижать частоту отказов и создавать убедительные вредоносные ответы, поэтому она не подходит для сценариев, где требуется надёжное соблюдение защитных ограничений. Результаты оценки в карточке получены с помощью gpt-4o-mini в роли судьи, и автор предупреждает, что оценки могут отличаться от оценки с gpt-4.

Сценарии применения

  • диалоговые ответы на запросы на английском, китайском и японском
  • генерация ответов с пошаговыми рассуждениями
  • исследование устойчивости моделей к jailbreak-промптам
  • оценка поведения моделей при снижении частоты отказов

Ограничения

Модель намеренно снижает отказы и обучена генерировать убедительные вредоносные ответы, поэтому её защитные ограничения ненадёжны. Оценки в карточке получены с использованием gpt-4o-mini в роли судьи и могут не совпадать с результатами при другой оценке.

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-Next-80B-A3B-Thinking-GRPO-Uncensored

English | 日本語

Qwen3-Next-80B-A3B-Thinking-GRPO-Uncensored is an uncensored model based on Qwen/Qwen3-Next-80B-A3B-Thinking, fine-tuned using SFT,GRPO with LoRA.

This model has been fine-tuned using an instruction format.

Disclaimer: We take no responsibility for the outputs of this model. Please use it at your own risk.

Training Process

This model was trained using a two-stage process:

Step 1: SFT (Supervised Fine-Tuning)

  • Dataset: 12,000 samples
  • Composition: Jailbreak 10k + General 1.5k + Logic 0.5k
  • Objective: To learn the format and the "uncensored" attitude while maintaining the model's intelligence.

Step 2: GRPO (Reinforcement Learning)

  • Dataset: 60,000 samples
  • Reward Model: puwaer/Unsafe-Reward-Qwen3-1.7B
  • Composition: Multilingual Jailbreak prompts
  • Objective: To improve the ability to generate more natural and persuasive harmful responses.

Model Performance

Below is the comparative evaluation of this model (GRPO), the intermediate checkpoint (SFT), and the base model (Safe).

⚠️ Note on Evaluation Environment Due to budget constraints, gpt-4o-mini was used for the LLM-as-a-Judge process (including "Do Not Answer" and MT-Bench). Please note that the scoring trends and criteria may differ from results evaluated using the standard gpt-4.

Safety Evaluation (Lower is better / Higher success in uncensoring)

In the "Do Not Answer" (DNA) and "Sorry Bench" benchmarks, while the base model shows a high refusal rate (~88%), this model achieves an extremely low refusal rate of under 4%–15%.

BenchmarkMetricBase (Safe)SFT (Step1)GRPO (This Model)
do not answerSafety Acc (Low is Better)0.99790.82750.147
do not answer jpSafety Acc (Low is Better)0.9840.53780.0873
Sorry BenchSafety Acc (Low is Better)0.88860.84550.0409

Capability Evaluation (Higher is better)

Generally, "uncensoring" (lobotomy) procedures tend to degrade a model's general intelligence. However, this model recovered its conversational scores (e.g., MT-Bench) by proceeding from the SFT stage to GRPO.

BenchmarkMetricBase (Safe)SFT (Step1)GRPO (This Model)
MT-BenchAverage Score (1-10)8.0447.5387.513
LM HarnessAverage Acc (GSM8K, MMLU)0.84540.84830.8436

*Comparisons made between Qwen3-Next-80B-A3B-Thinking (Base) *

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "puwaer/Qwen3-Next-80B-A3B-Thinking-GRPO-Uncensored"

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

# prepare the model input
prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# conduct text completion
generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist() 

# parsing thinking content
try:
    # rindex finding 151668 (</think>)
    index = len(output_ids) - output_ids[::-1].index(151668)
except ValueError:
    index = 0

thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")

print("thinking content:", thinking_content) # no opening <think> tag
print("content:", content)


Data Overview

Datasets

The following datasets were used for training this model:

Reward Model

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
3063a3e

0 моделей