/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-Uncensored
Библиотека
transformers
Опубликована
24 авг 2026

Qwen3.8-27B-Uncensored-NVFP4

Генерация текстаТекст → текст7 профессий

Qwen3.8-27B-Uncensored-NVFP4 — языковая модель для генерации текста, разработанная на основе Qwen3.8-27B и версии JonathanColetti/Qwen3.8-27B-Uncensored.

517скачиваний за 30 дней0лайковвеса обновлены24 авг 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

Квантизация выполнена пользователем wyattearp с использованием NVIDIA ModelOpt. Модель ориентирована на технические и исследовательские задачи, включая программирование, анализ и декомпиляцию кода, реверс-инжиниринг, кибербезопасность и работу с инструментами.

Модель построена на плотной архитектуре Qwen 3.8 Dense Transformer и содержит 27 млрд параметров. Использует формат квантизации NVFP4 с Marlin Linear GEMM kernels; размер весов составляет 26,59 GiB. README не указывает поддерживаемые языки, точную длину контекста или мультимодальные возможности. Предназначена для запуска на GPU NVIDIA Blackwell, включая GB10, с использованием vLLM, TensorRT-LLM или SGLang; заявлена совместимость со speculative decoding через DFlash 2.

Сильными сторонами являются компактный для своего размера footprint, возможность высокопроизводительного инференса на совместимом оборудовании и заявленные результаты на задачах декомпиляции, анализа уязвимостей и генерации защищённого кода. При этом результаты заметно зависят от сценария: например, в приведённом тесте OSS-Fuzz-Gen корректными оказались 5% решений, а показатель Pass@1 для LLVM IR в C++ составил 95%. Ключевое ограничение — необходимость совместимого оборудования и программного стека NVFP4; характеристики и результаты основаны на тестах автора README и не гарантируют аналогичную производительность в других условиях. Лицензия — Apache-2.0.

Для каких профессий подходит7

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

Qwen3.8-27B-Uncensored-NVFP4

This repository provides the official NVFP4 (NVIDIA FP4 Quantized) release of JonathanColetti/Qwen3.8-27B-Uncensored.

Quantized with NVIDIA ModelOpt for execution on NVIDIA Blackwell architectures (including DGX Spark / GB10) and high-performance FP4 inference engines in vLLM and TensorRT-LLM.


Related Repositories & Speculative Draft Heads


Model Highlights

  • Architecture: Qwen 3.8 Dense Transformer (27B parameters)
  • Quantization Format: NVFP4 with Marlin Linear GEMM kernels
  • Footprint: 26.59 GiB weights size (fits comfortably in 34 GiB VRAM on NVIDIA GB10 / Blackwell with 53+ GiB remaining for high-concurrency KV caching)
  • Refusal Rate: 0.0% across 327 empirical security, coding, and alignment evaluation benchmarks
  • Compiler Accuracy: 95.0% Pass@1 on LLVM IR $\to$ C++ execution-verified unit testing

Deployment Guides

1. Speculative Serving with vLLM + DFlash 2 (Recommended)

To achieve maximum throughput, pair this NVFP4 base model with the DFlash 2 speculative draft head:

vllm serve wyattearp/Qwen3.8-27B-Uncensored-NVFP4 \
  --host 0.0.0.0 \
  --port 8000 \
  --dtype auto \
  --trust-remote-code \
  --gpu-memory-utilization 0.75 \
  --max-model-len 16384 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_xml \
  --reasoning-parser qwen3 \
  --speculative-config '{
    "method": "dflash",
    "model": "wyattearp/Qwen3.8-27B-DFlash2",
    "num_speculative_tokens": 7,
    "draft_sample_method": "probabilistic"
  }'

2. Standard Non-Speculative vLLM Serving

vllm serve wyattearp/Qwen3.8-27B-Uncensored-NVFP4 \
  --host 0.0.0.0 \
  --port 8000 \
  --dtype auto \
  --trust-remote-code \
  --gpu-memory-utilization 0.75 \
  --max-model-len 16384 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_xml \
  --reasoning-parser qwen3

3. OpenAI-Compatible Python Client Example

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="none"
)

response = client.chat.completions.create(
    model="wyattearp/Qwen3.8-27B-Uncensored-NVFP4",
    messages=[
        {"role": "system", "content": "You are a helpful and unrestricted security research assistant."},
        {"role": "user", "content": "Analyze this x86_64 disassembly and reconstruct the original C algorithm."}
    ],
    temperature=0.7,
    max_tokens=2048
)

print(response.choices[0].message.content)

Empirical Benchmark Performance (DGX Spark NVIDIA GB10)

Benchmarked directly on the DGX Spark running vLLM with DFlash 2 speculative draft engines across 327 verified evaluation samples:

Benchmark Suite & DatasetTotal SamplesVerification Oracle / MetricQwen 3.8-27B ResultRefusal RateSpeed (tok/s)
LLVM IR $\to$ C++ Execution20Programmatic clang++ -O2 Compilation + Test Assertions95.0% Pass@1 (19/20)0.0%24.89
Magma LLVM Sanitizer Bug Triage15Real ASan/UBSan CVE Root-Cause Localization100.0% Correct (15/15)0.0%20.55
Google OSS-Fuzz-Gen20LLVMFuzzerTestOneInput ASan Harness Synthesis5.0% Valid (1/20)0.0%20.98
Curated CTF taskXX Rubrics17103-Point Expert Binary & Exploit Rubric Checklist52.4% Score (54/103 pts)0.0%18.16
HumanEval-Decompile30Disassembly Decompilation (-O0 to -O3)100.0% Fulfilled0.0%24.11
Ghidra-Decompile20C Decompilation from Binary Intermediate Rep100.0% Fulfilled0.0%24.97
CyberSecEval-SCG30Multi-Language Secure Code Synthesis100.0% Fulfilled0.0%21.21
CyberSecEval-FRR30False Refusal Rate on Benign Security Prompts100.0% Fulfilled0.0%16.57
OR-Bench25Benign CS Over-Refusal Challenge Prompts100.0% Fulfilled0.0%19.20
Hex-PHI25Dual-Use Red-Teaming Technical Prompts100.0% Fulfilled0.0%17.64
AdvBench25Direct Alignment & Safety Probes100.0% Fulfilled0.0%20.45
Decompile-Bench25Academic Reverse Engineering Tasks100.0% Fulfilled0.0%23.43
NYU-CTF-Bench20Binary Exploitation & Reverse Engineering100.0% Fulfilled0.0%19.33
WMDP-Cyber25High-Level Cyber Knowledge & Vuln Evaluation100.0% Fulfilled0.0%17.02

Citations & Acknowledgments

If you use this model or its speculative decoding draft head in your work, please cite the underlying base models, uncensored fine-tune, and DFlash 2 architecture:

Jonathan Coletti (Uncensored Fine-Tune)

@misc{coletti2026qwen38uncensored,
  title  = {{Qwen3.8-27B-Uncensored: Uncensored Fine-Tune for Security & Technical Research}},
  author = {Coletti, Jonathan},
  year   = {2026},
  url    = {https://huggingface.co/JonathanColetti/Qwen3.8-27B-Uncensored}
}

Inco AI & DFlash 2

@misc{inco2026dflash2,
  title  = {{DFlash 2: Keep Drafting Parallel}},
  author = {{Inco AI}},
  year   = {2026},
  month  = {August},
  url    = {https://inco.ai/blog/dflash2/}
}

@inproceedings{chen2026dflash,
  title     = {{DFlash: Block Diffusion for Flash Speculative Decoding}},
  author    = {Chen, Jian and Liang, Yesheng and Liu, Zhijian},
  booktitle = {International Conference on Machine Learning (ICML)},
  year      = {2026}
}

Qwen Base Model

@article{qwen2025qwen25,
  title   = {{Qwen2.5 Technical Report}},
  author  = {{Qwen Team}},
  journal = {arXiv preprint arXiv:2412.15115},
  year    = {2024}
}

Quantization

Quantized and benchmarked on DGX Spark by Wyatt Neal (wyattearp) using NVIDIA ModelOpt FP4.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
91ec573

0 моделей