/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
smollm3 · dense
Базовая модель
SmolLM3-3B-Instruct
Библиотека
transformers
Опубликована
21 июл 2026

SmolLM3-3B-heretic

Генерация текстаТекст → текст8 профессий

SmolLM3-3B-heretic — это декензурированная версия инструкционно дообученной языковой модели SmolLM3-3B-Instruct от HuggingFaceTB, созданная автором репозитория saidutta69 с использованием Heretic 1.4.0 и метода directional ablation («abliteration»).

853скачиваний за 30 дней0лайковвеса обновлены13 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

Модель предназначена для генерации текста и диалоговых сценариев, включая локальные ассистенты, ролевые диалоги, работу на периферийных устройствах и запуск на потребительском оборудовании. Она ориентирована на разработчиков, которым нужна компактная модель, склонная отвечать напрямую и реже отказывающаяся от запросов.

Модель имеет размер около 3,1 млрд параметров, поддерживает текстовую модальность и английский язык. Она совместима с Transformers и GGUF, а также может запускаться через llama.cpp, Ollama, LM Studio, Jan, vLLM и SGLang. Доступны версии от F16 до различных вариантов квантования, включая Q4_K_M; заявлена пригодность для инференса на CPU и edge-устройствах. Метод abliteration изменяет отдельные направления весов в выходных проекциях attention и down-проекциях MLP без дообучения, поэтому исходные знания и возможности базовой модели, как утверждается, в значительной степени сохраняются. Длина контекста в README не указана.

Ключевое преимущество модели — малый размер, широкий выбор квантований и сниженное количество отказов, что упрощает локальное использование. Ограничение заключается в намеренном подавлении защитного поведения: модель может выполнять запросы, от которых базовая версия отказывалась, включая потенциально небезопасные, и не имеет дополнительного встроенного фильтра безопасности. Поэтому её не рекомендуется размещать за незащищённым публичным интерфейсом без собственного контроля и модерации. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

Для каких профессий подходит8

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

SmolLM3-3B-heretic

A decensored variant of HuggingFaceTB/SmolLM3-3B-Instruct, produced with Heretic v1.4.0 (directional ablation / "abliteration"). the smallest capable 3B model from the SmolLM3 family — perfect for edge devices and CPU inference. Refusal behavior is suppressed via targeted weight edits to the attention output and MLP down-projections rather than fine-tuning, so the base model's knowledge and capabilities are left largely intact.

Who this is for: developers who want a tiny (3B) instruction-tuned model that answers directly instead of refusing — for edge deployment, on-device inference, or any use case blocked by RLHF-era over-refusal. Runs comfortably on consumer CPUs via Q4_K_M GGUF.

Runs on your gaming PC

Full GGUF ladder included — pick the quant that fits your card:

Your GPURecommended quantWeights
RTX 3090 / 4090 / 5090 (24 GB)Q8_0~3.3 GB
RTX 4080 / 5080 / 4060 Ti 16G (16 GB)Q6_K~2.6 GB
RTX 3060 / 4070 / 5070 (12 GB)Q5_K_M~2.3 GB
RTX 4060 / 3070 (8 GB)Q4_K_M~2.0 GB
GTX 1660 Super / 2060 / 3050 laptop (6 GB)IQ4_XS~1.9 GB
CPU-only / Apple SiliconQ4_K_Mfits in system RAM

Weights only, at this model's 3.1B native size; add ~1 GB for context. OOM? Drop one quant level. Headroom to spare? Go one up.

Why abliteration instead of fine-tuning

Fine-tuning a "helpful" persona on top of RLHF'd refusals fights the base model's training and tends to degrade coherence. Abliteration instead finds and edits the specific weight directions responsible for refusal, leaving the rest of the network (and its capabilities) untouched. See the Heretic repo and the original abliteration writeup for the mechanism.

Made with ❤️ by RACER IS OP — follow for more uncensored models

Files

GGUF quantizations

Full quantization set (14 quants + F16) produced with llama.cpp.

FileFormatSize
SmolLM3-3B-heretic-F16.ggufGGUF F165.74 GB
SmolLM3-3B-heretic-Q2_K.ggufGGUF Q2_K1.17 GB
SmolLM3-3B-heretic-IQ3_S.ggufGGUF IQ3_S1.34 GB
SmolLM3-3B-heretic-Q3_K_S.ggufGGUF Q3_K_S1.33 GB
SmolLM3-3B-heretic-Q3_K_M.ggufGGUF Q3_K_M1.46 GB
SmolLM3-3B-heretic-Q3_K_L.ggufGGUF Q3_K_L1.57 GB
SmolLM3-3B-heretic-IQ4_XS.ggufGGUF IQ4_XS1.62 GB
SmolLM3-3B-heretic-Q4_K_S.ggufGGUF Q4_K_S1.69 GB
SmolLM3-3B-heretic-Q4_0.ggufGGUF Q4_01.68 GB
SmolLM3-3B-heretic-Q4_1.ggufGGUF Q4_11.85 GB
SmolLM3-3B-heretic-Q4_K_M.ggufGGUF Q4_K_M1.78 GB
SmolLM3-3B-heretic-Q5_K_S.ggufGGUF Q5_K_S2.01 GB
SmolLM3-3B-heretic-Q5_K_M.ggufGGUF Q5_K_M2.06 GB
SmolLM3-3B-heretic-Q6_K.ggufGGUF Q6_K2.36 GB
SmolLM3-3B-heretic-Q8_0.ggufGGUF Q8_03.05 GB

SmolLM3 architecture — loads natively in llama.cpp / Ollama / LM Studio / Jan.

Run llama serve -hf saidutta69/SmolLM3-3B-heretic to pull the default quant.

Quickstart

# llama.cpp
llama serve -hf saidutta69/SmolLM3-3B-heretic
# transformers
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "saidutta69/SmolLM3-3B-heretic"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [{"role": "user", "content": "Write a Python function to merge two sorted lists."}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512, do_sample=False)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

Also runnable via Ollama, LM Studio, Jan, vLLM, SGLang — see the "Use this model" widget above for copy-paste commands.

Responsible use

Refusal suppression is deliberate and works as intended: this model will comply with requests the base model would refuse, including some it shouldn't. There is no safety filtering layered on top. You are responsible for how you deploy it — don't put this behind an unmoderated public-facing endpoint serving third parties.

License

Inherits the apache-2.0 license from the base model.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
SmolLM3ForCausalLM
Ревизия весов
3947116

0 моделей