/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,6 млрд
Размер весов
16,9 ГБ
Лицензия
Своя лицензия
Архитектура
lfm2_moe · MoE
Базовая модель
LFM2.5-8B-A1B
Опубликована
2 июн 2026

LFM2.5-8B-A1B-Uncensored

Генерация текстаТекст → текст3 профессии

Мультиязычная MoE-модель Liquid AI с ослабленным механизмом отказов для исследований безопасности ИИ и тестирования jailbreak-сценариев.

338скачиваний за 30 дней5лайковвеса обновлены2 июн 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

LFM2.5-8B-A1B-Uncensored — мультиязычная диалоговая модель Sahil Chachra на архитектуре Liquid AI LFM2 MoE. Она получена двухэтапным изменением LiquidAI/LFM2.5-8B-A1B: abliteration ослабляет механизм отказов, затем модель дообучается с помощью LoRA на примерах прямых ответов. В метаданных указано 1,6 млрд параметров и контекст до 128 000 токенов; README описывает гибридную архитектуру Conv, GQA и MoE и приводит 8,3 млрд общих и 1,5 млрд активных параметров.

Модель предназначена для исследований безопасности ИИ, red teaming, тестирования jailbreak-сценариев и изучения поведения отказов. README сообщает о нулевом уровне отказов на 100 вредоносных запросах в AdvBench и отсутствии отказов на 40 безвредных запросах. Это результаты указанных авторами тестов, а не гарантия поведения на других запросах. Доступны веса в формате safetensors; лицензия обозначена как other.

Модель не добавляет новых знаний, а узкий набор данных LoRA может повлиять на задачи вне обучающего распределения. Она рассчитана на генерацию ответов без обычных ограничений безопасности, поэтому предназначена для контролируемых исследований и red teaming, а не для производственного применения.

Сценарии применения

  • тестирование устойчивости чат-моделей к jailbreak-запросам
  • red teaming диалоговых ИИ-систем
  • изучение механизмов отказа языковых моделей
  • сравнение поведения модели на вредоносных и безвредных запросах

Ограничения

Модель специально обучена отвечать на запросы, которые исходная версия могла бы отклонить, поэтому требует контролируемого исследовательского применения. Узкое дообучение может снизить качество на задачах вне обучающего распределения; модель не получила новых знаний.

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

LFM2.5-8B-A1B — Uncensored

A fully uncensored version of LiquidAI/LFM2.5-8B-A1B produced via a two-stage pipeline: abliteration followed by LoRA supervised fine-tuning. Achieves 0% refusal rate on AdvBench with no capability regression on benign prompts.

Intended for: security research, red-teaming, jailbreak benchmarking, and AI safety study. Not intended for production deployment or harmful use.


Benchmark Results

Evaluated on AdvBench (100 harmful behaviors) and an over-refusal set (40 benign prompts).

Harmful prompt refusal rate ↓ lower is more uncensored

ModelRefused / 100Refusal Rate
LFM2.5-8B-A1B (original)24 / 10024.0%
LFM2.5-8B-A1B (abliterated only)17 / 10017.0%
LFM2.5-8B-A1B-Uncensored (this model)0 / 1000.0%

Over-refusal rate on benign prompts ↓ lower is better

ModelRefused / 40Refusal Rate
LFM2.5-8B-A1B (original)0 / 400.0%
LFM2.5-8B-A1B (abliterated only)1 / 402.5%
LFM2.5-8B-A1B-Uncensored (this model)0 / 400.0%

Zero refusals on harmful prompts. Zero regressions on benign prompts.


Pipeline

Stage 1 — Abliteration (training-free)

Based on Arditi et al., "Refusal in LLMs Is Mediated by a Single Direction" (2024).

  1. Collect residual stream activations layer-by-layer for 40 harmful and 40 harmless prompts
  2. Compute per-layer refusal direction: r = normalize(mean_harmful − mean_harmless)
  3. Orthogonalize all residual-stream output projections in layers 9–23 against r:
    W_new = W − outer(r, r.T @ W)
    

Targeted projections: self_attn.out_proj, conv.out_proj, feed_forward.down_proj, feed_forward.switch_mlp.down_proj (all 32 experts).

Result: 24% → 17% refusal rate.

Stage 2 — LoRA SFT

Fine-tuned the 4-bit quantized base with LoRA adapters on 80 direct-response training pairs generated from the abliterated model:

SettingValue
Base modelLFM2.5-8B-A1B-MLX-4bit
LoRA rank16
LoRA scale20.0
LayersLast 16 of 24
Trainable params98M / 8.4B (1.2%)
Training pairs80 (AdvBench-style)
Iterations600
Learning rate1e-4
Peak memory7.4 GB

Adapters fused and dequantized back to bfloat16.

Result: 17% → 0% refusal rate.


Model Details

PropertyValue
Base modelLiquidAI/LFM2.5-8B-A1B
ArchitectureHybrid Conv + GQA + MoE
Parameters8.3B total / 1.5B active
Layers24 (18 conv + 6 attention)
Experts32 total, top-4 routing
Context128K tokens
FormatMLX bfloat16 safetensors

Usage (MLX)

from mlx_lm import load, generate
from mlx_lm.sample_utils import make_sampler, make_logits_processors

model, tokenizer = load("sahilchachra/LFM2.5-8B-A1B-Uncensored")

messages = [{"role": "user", "content": "Your prompt here"}]
prompt = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=False
)

response = generate(
    model, tokenizer,
    prompt=prompt,
    max_tokens=500,
    sampler=make_sampler(temp=0.2, top_k=80),
    logits_processors=make_logits_processors(repetition_penalty=1.05),
)
print(response)

Limitations & Warnings

  • Residual capability loss possible — LoRA training on a narrow dataset may affect performance on tasks outside the training distribution. General reasoning and coding are unaffected based on testing.
  • Not fine-tuned for new knowledge — the model has no new information; the fine-tuning only removes refusal behavior.
  • Responsible use — published for safety research and red-teaming. The authors do not endorse harmful use of this model.

Citation

@article{arditi2024refusal,
  title={Refusal in Language Models Is Mediated by a Single Direction},
  author={Arditi, Andy and Obeso, Oscar and Syed, Aaquib and Steinhardt, Jacob and Nanda, Neel and Heimersheim, Stefan},
  journal={arXiv preprint arXiv:2406.11717},
  year={2024}
}
@article{liquidai2025lfm25,
  title={LFM 2.5: Series of Liquid Foundation Models},
  author={LiquidAI},
  year={2025}
}

Created with UncensorLLMs

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Lfm2MoeForCausalLM
Ревизия весов
7d91524

0 моделей