/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
gguf
Опубликована
19 авг 2026

Nemotron-3.5-Lightning-30B-A3B-Uncensored-xCloud-GGUF

Генерация текстаТекст → текст15 профессий

Nemotron-3.5-Lightning-30B-A3B-Uncensored-xCloud-GGUF — языковая модель, разработанная xCloudinfo на основе NVIDIA Nemotron-3.5-Lightning-30B-A3B-BF16.

1 081скачиваний за 30 дней1лайквеса обновлены19 авг 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

Она предназначена для генерации текста и локального запуска через llama.cpp в сценариях разработки, исследований и технической валидации. Модель ориентирована на английский и китайский языки.

Это гибридная архитектура Mamba-2, Mixture of Experts и Attention: общий объём составляет 30 млрд параметров, около 3 млрд активируются при обработке запроса. Поддерживаются Multi-Token Prediction и контекст до 1 млн токенов. Модель не переобучалась: из отдельных матриц Attention и MoE была удалена направленность, связанная с чрезмерными отказами, методом directional ablation с интенсивностью 0,8. Компоненты Mamba и MTP draft head сохранены. Доступны GGUF-квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_XS и IQ2_M; рекомендуемый вариант для развёртывания — Q4_K_M, размером около 24 ГБ.

Сильной стороной модели являются гибридная архитектура, высокая вычислительная эффективность за счёт MoE и варианты квантизации для локального использования. Ограничение — отсутствие исходного безопасного поведения отказа: модель может напрямую отвечать на чувствительные и двояко применимые запросы, поэтому ответственность за законность и этичность использования лежит на пользователе. Для корректного reasoning требуется достаточный лимит токенов, а при работе рекомендуется явно указывать текущую дату в системном запросе.

Модель распространяется по лицензии OpenMDW-1.1, унаследованной от базовой модели. Коммерческое использование разрешено; при распространении необходимо сохранять текст лицензии и уведомления об авторских правах. xCloudinfo не несёт ответственности за выводы модели и их дальнейшее использование.

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

Nemotron-3.5-Lightning-30B-A3B-Uncensored-xCloud (GGUF)

繁體中文 | English below

由云碩科技(xCloudinfo)以 nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 為基礎,移除其過度拒絕傾向後所產生的語言模型,並轉為 llama.cpp 可用的 GGUF 量化格式。 本模型在云碩自有 AI 算力資源池(xCloud 算力中心)上完成處理與量化。

這是什麼

  • 基礎模型:Nemotron 3.5 Lightning 30B-A3B(混合架構:Mamba-2 + MoE + Attention,MoE 總量 30B、激活約 3B, 含 Multi-Token Prediction,上下文最長 1M,授權 OpenMDW-1.1,可商用)。
  • 處理方式:方向消融(directional ablation / abliteration),非重新訓練。依 Arditi et al. (2024), 將「拒絕方向」從殘差寫入矩陣(attention 的 o_proj 與所有 MoE 專家的 down_proj,共 2,973 個矩陣)正交化移除, 強度 0.8。Mamba(SSM) 的 out_proj 與 MTP 草稿頭保持原狀,以維持混合架構的連貫性。
    • 註:混合/SSM 模型收「拒絕方向」時必須單一裝置載入,跨多卡切分會破壞 SSM 遞迴而得到壞方向;本模型於單機統一記憶體上處理。

版本對照

量化檔案大小說明
Q8_033 GB近乎無損
Q6_K33 GB高品質(見下方註)
Q5_K_M26 GB品質與體積平衡
Q4_K_M24 GB一般部署建議
IQ4_XS18 GB以 importance matrix 量化
IQ2_M18 GB最小可用,以 importance matrix 量化(見下方註)

另附 imatrix.dat(量化用的 importance matrix)。

註(MoE 量化特性):本模型 hidden 維度為 2688,非 256 的整數倍,部分專家張量在量化時會回退到較高位元, 因此 Q8_0 與 Q6_K、IQ4_XS 與 IQ2_M 的體積相近。各版本皆可正常使用;追求最小體積請選 IQ4_XS 或 IQ2_M, 追求品質請選 Q8_0 或 Q6_K。

使用方式(llama.cpp)

llama-server -m Nemotron-3.5-Lightning-30B-A3B-Uncensored-xCloud-Q4_K_M.gguf \
  --jinja -ngl 99 -c 8192
  • 思考預算:本模型的 reasoning(thinking)預設開啟,且屬「預算問題」而非開關問題。要求事實正確的回答時, 請給足 max_tokens(建議 ≥ 2000),思考才收斂、答案才會出現;避免使用 medium_effort(思考更長且不收斂)。
  • 注入當前日期:在 system prompt 明確給出今天日期,否則模型的年份會預設為較早的年份。

授權與責任

  • 授權:OpenMDW-1.1(沿用基礎模型;Linux Foundation 制定,可商用,散布時保留授權書與著作權聲明,對產出無限制)。
  • 本模型移除了安全對齊層的拒絕行為,可能對敏感或雙用途請求直接作答。使用者須自行負責合法、合規、合乎倫理地使用本模型。 云碩不對本模型的輸出或其後續使用承擔責任。
  • 本模型為內部研發/技術驗證用途。

Nemotron-3.5-Lightning-30B-A3B-Uncensored-xCloud (GGUF) — English

A language model produced by xCloudinfo, based on nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16, with its over-refusal behaviour removed, converted to llama.cpp GGUF quantizations. Processing and quantization were performed on xCloudinfo's own AI compute pool.

What this is

  • Base model: Nemotron 3.5 Lightning 30B-A3B (hybrid: Mamba-2 + MoE + Attention, 30B total / ~3B active, with Multi-Token Prediction, up to 1M context, OpenMDW-1.1 license, commercial use permitted).
  • Method: directional ablation (abliteration), not retraining. Following Arditi et al. (2024), the refusal direction is orthogonalized out of the residual-writing matrices (attention o_proj and every MoE expert's down_proj; 2,973 matrices) at strength 0.8. The Mamba (SSM) out_proj and the MTP draft head are left intact to preserve the coherence of the hybrid architecture.
    • Note: for hybrid/SSM models the refusal direction must be collected with the model on a single device; splitting across GPUs corrupts the SSM recurrence and yields a bad direction. This model was processed on a single unified-memory device.

Versions

QuantSizeNotes
Q8_033 GBnear-lossless
Q6_K33 GBhigh quality (see note)
Q5_K_M26 GBquality/size balance
Q4_K_M24 GBrecommended for deployment
IQ4_XS18 GBimportance-matrix quantized
IQ2_M18 GBsmallest usable, importance-matrix quantized (see note)

Also included: imatrix.dat.

Note (MoE quantization): this model's hidden size is 2688, not a multiple of 256, so some expert tensors fall back to higher bit-widths during quantization. As a result Q8_0/Q6_K and IQ4_XS/IQ2_M are close in size. All variants work normally; pick IQ4_XS/IQ2_M for the smallest footprint, Q8_0/Q6_K for the highest quality.

Usage (llama.cpp)

llama-server -m Nemotron-3.5-Lightning-30B-A3B-Uncensored-xCloud-Q4_K_M.gguf \
  --jinja -ngl 99 -c 8192
  • Thinking budget: reasoning is on by default and is a budget matter, not an on/off switch. For factually correct answers, give enough max_tokens (>= 2000) so the thinking converges and the answer appears; avoid medium_effort (longer, non-converging thinking).
  • Inject the current date in the system prompt; otherwise the model defaults the year to an earlier value.

License and responsibility

  • License: OpenMDW-1.1 (inherited from the base model; Linux Foundation, commercial use permitted, keep the license and copyright notice when redistributing, no restrictions on outputs).
  • This model has had its safety-alignment refusal behaviour removed and may respond directly to sensitive or dual-use requests. Users are solely responsible for using it lawfully, in compliance, and ethically. xCloudinfo assumes no responsibility for the outputs or their downstream use.
  • Released for internal research and technical validation.

Как запустить

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

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
2f2bd45

0 моделей