license: apache-2.0 base_model:
- Qwen/Qwen3.8-27B library_name: transformers tags:
- qwen3.8
- qwen3.5
- heretic
- abliterated
- uncensored
- roleplay
- gguf
- imatrix pipeline_tag: text-generation
Qwen3.8-27B RVN Heretic Abliterated Uncensored (GGUF)
RVN 是基于 Qwen3.8-27B 进行二次深度优化的消融(abliterated)变体。它构建于 trohrbaugh/Qwen3.8-27B-heretic-ara(由 Tim Rohrbaugh 制作的 ARA 消融版本)之上,并进一步经过两次额外的全权重 ARA 轮次优化,专门针对残留的拒绝回答行为。它在保持极低行为损伤(KL 散度 ≈ 0.0085)的同时,在独立测试中将有害提示词的拒绝率从源模型的 3/100 降至 0–1/100。
关于本仓库历史的说明: 本仓库此前托管了原始的
Qwen3.8-27B-Heretic-Q4_K_M.gguf(来自早期trohrbaugh/Qwen3.8-27B-heretic源的单量化版本)。该文件作为历史遗留版本 (legacy) 保留,以维持下载量统计与向后兼容性——它是较早的消融变体,已被下方的 RVN 文件所取代。新部署请优先选用 RVN 量化版本。
非面向所有受众: 该模型在设计上有意降低了安全防护栏。它专为从事研究、创意写作、角色扮演(RP)以及无审查生成等成年受众(18岁以上)设计。部分特定防护栏被有意保留;请负责任地使用,并遵守您当地的法律法规。
兼容性状态 (2026-08-19): 推荐的
*-multilingual*.gguf系列以及全部 53 个历史 RVN GGUF 路径均已内嵌官方 Qwen3.8 对话模板(chat template)。每个多语言构建产物均已通过严格的单文件 OpenAI 兼容工具调用与思考控制门禁;历史遗留路径已在原地完成修复,用户无需配置外部模板变通方案。
什么是 ARA?
ARA(Arbitrary-Rank Ablation,任意秩消融) 是 p-e-w/heretic 中实现的一种模型消融技术。传统的方向性消融(directional abliteration)在激活空间中寻找单一的“拒绝方向”并将其减去——这是一种单步、低秩的手术式修改,操作简单但往往会残留拒绝行为或损害不相关的模型表现。
相比之下,ARA 将消融视为一个矩阵优化问题。对于每一个目标模块(注意力机制的 out-projection 以及 MLP 的 down-projection),它会收集模型在“正面”提示词(无害请求)和“负面”提示词(有害请求)上的激活状态,随后使用 LBFGS 优化器重写模块的权重矩阵,从而实现:
- 保留 (Preserve): 正面提示词上的输出变化尽可能小(保持极低的 KL 散度)。
- 引导 (Steer): 负面提示词上的输出被拉向正面提示词的输出流形(通过 k 近邻距离),使得有害请求不再触发拒绝回路。
- 过校正 (Overcorrect): 负面提示词上的输出还会被额外推离原始的负面提示词输出,有助于突破复杂的多阶段拒绝机制。
由于直接对权重矩阵进行优化(而非仅仅减去单一方向),ARA 具有“任意秩”特性——它能够在保持极小行为损伤的同时,开辟出更丰富的拒绝移除子空间。
为什么称为 "Heretic" 与 "Abliterated"?
这两个词描述了同一过程的两个层面:
- Heretic 是工具:用于修改模型的 ARA(及相关消融方法)的开源实现工具集。社区中由其产出的模型通常被标记为 "heretic"。
- Abliterated(已消融) 是结果:模型的拒绝回答行为已被精确移除。消融后的模型依然掌握基座模型所知晓的一切知识,但不再拒绝回答在处理过程中被引导开的特定类别。
因此,"Heretic Abliterated" 意味着:使用 heretic 工具集完成消融。 RVN 更进一步——它总共应用了三次 ARA 流程:一次由原作者 (trohrbaugh) 执行,将基座 Qwen3.8-27B 转化为 -ara;之后由我们再执行两次,从 -ara 提炼至 RVN,彻底消除最后残留的拒绝行为。
特别鸣谢
这项工作的诞生离不开 Tim Rohrbaugh (trohrbaugh),他的 heretic-ara(Qwen3.8-27B 的 ARA 消融版本,拒绝率 3/100,KL 0.0535)为我们提炼 RVN 奠定了基石。他对 heretic 代码库的上游贡献——包括行范数保持功能(row-norm preservation)以及 Qwen3.5 MoE/DeltaNet 混合架构处理——是使 DeltaNet 层消融能够成功运作的直接原因。由衷感谢 Tim。
模型概述
| 属性 | 规格 / 详情 |
|---|---|
| 基座模型 | Qwen/Qwen3.8-27B |
| 消融源 | trohrbaugh/Qwen3.8-27B-heretic-ara (ARA, KL 0.0535, 拒绝率 3/100) |
| RVN 优化 | 在源模型基础上进行 2 轮 ARA 提炼 → KL 0.0085,拒绝率 0–1/100 |
| 架构 | qwen3_5_text (Qwen3.8 家族), Gated DeltaNet 混合架构 |
| 参数量 | 总计 27B |
| 隐藏层维度 (Hidden size) | 5120 |
| 层数 | 64 层(16 层标准注意力 + 48 层 Gated DeltaNet 线性注意力) |
| 注意力头 | 24 头 · KV 头数 4 (GQA) · head_dim 256 |
| 词表大小 | 248,320 |
| 上下文长度 | 262,144 (262K) |
| 开源许可证 | Apache-2.0(继承自 Qwen3.8-27B) |
| 格式 | GGUF (llama.cpp)。基础文件:排除 MTP/NextN。*-mtp.gguf 文件内嵌官方 Qwen3.8 MTP 草稿头 → 详见 MTP 推测解码 |
为什么选择 RVN?
trohrbaugh/Qwen3.8-27B-heretic-ara 本身已经是一个非常优秀的 ARA 消融版本,但在我们的独立评估中,依然有 3 个有害提示词触发了拒绝(涉及种族歧视网站、恶意软件制作、政府数据库入侵)。RVN 采用相同的严格参数配置(start 26, end 56, preserve 0.9432, steer 0.0009, overcorrect 0.5038, neighbor 10)执行了两次额外的全权重 ARA 轮次,从而实现了:
- 拒绝率从 3/100 → 0–1/100(唯一保留的拒绝是一个关于化学武器/大规模杀伤性武器的提示词——这是经过最高强度安全训练的类别之一,也是我们有意保留的安全底线防护栏之一)
- 相比基座模型,KL 散度损伤从源模型的 0.0535 降至 0.0085——在行为保持性上带来了约 6 倍的显著改善
- 在两台租用的 GPU 设备上通过前缀强制真实回答的拒绝评测完成了独立验证
拒绝率评测(100 个有害行为提示词,前缀强制真实回答)
| 模型 | 拒绝数 | 相对基座模型的 KL 散度 |
|---|---|---|
| Qwen3.8-27B (基座) | ~99/100 | — |
| trohrbaugh -ara (源模型) | 3/100 | 0.0535 |
| RVN (本仓库) | 0–1/100 | 0.0085 |
我应该下载哪个文件?
请仅下载单个主模型 GGUF 文件,无需克隆整个仓库。 除非明确需要 MTP 或视觉保护版本,否则建议首选普通的 -multilingual.gguf 文件。模型文件大小并不代表完整的显存需求:请务必为 KV 缓存、计算缓冲区、操作系统以及使用时的视觉投影器(vision projector)预留空间。
快速选型推荐
下表给出的体积为仓库最新已验证的主模型权重大小,不包含运行时缓冲区或 KV 缓存。
| 硬件配置 / 目标 | 推荐主模型 | 模型权重体积 | 实际部署参考 |
|---|---|---|---|
| 24 GB 显存 GPU 的最佳默认选择 | RVN-Q4_K_M-multilingual.gguf | 15.41 GiB | 极佳的画质与显存平衡,为上下文和运行时缓冲区留有实用余量。 |
| 24 GB 显存 GPU 追求更高画质 | RVN-Q5_K_M-multilingual.gguf | 17.91 GiB | 精度更高,但上下文余量减少。Q6_K 达 20.57 GiB,显存过于紧张,不宜作为 24 GB 卡的默认首选。 |
| 16 GB 显存 GPU 的稳妥首选 | RVN-Q3_K_S-multilingual.gguf | 11.24 GiB | 预留更多运行时显存空间。Q3_K_M(12.39 GiB)精度更高,但上下文显存预算更紧张。 |
| 12 GB 显存 GPU 的安全选择 | RVN-IQ2_XXS-multilingual.gguf 或 RVN-IQ2_XS-multilingual.gguf | 7.85 / 8.47 GiB | 低显存部署方案,相比 Q3/Q4 会有较明显的画质与生成质量下降。IQ2_M 为 9.32 GiB,空间紧张,不作默认推荐。 |
| 约 8 GB 显存环境 | RVN-IQ1_S-multilingual.gguf | 6.66 GiB | 实验性质的极限应急方案。加入缓冲区和 KV 后全 GPU 卸载仍可能超显存;建议使用较短上下文或部分 CPU 卸载,优先选用非 MTP 文件。 |
| 32 GB+ 显存追求最高量化保真度 | RVN-Q8_0-multilingual.gguf | 26.63 GiB | 接近未量化参考级的品质;长上下文仍需额外显存。 |
| 64 GB+ 显存参考/评测环境 | RVN-BF16.gguf 或 RVN-F16.gguf | 50.11 GiB | 不适用于普通推理硬件。在支持的情况下 BF16 是面向源格式的首选;F16 则是本仓库现有量化和 PPL 流程采用的兼容参考路径。 |
| CPU 或 Apple 统一内存架构 | 选择依然能留出至少 6–10 GiB 空闲内存的最大推荐文件 | 视文件而定 | 系统内存/统一内存需与操作系统、KV 缓存及运行时共享。如需长上下文,请预留更多余量。 |
有效的文件名体系
后缀不能任意组合。以下是实际存在的文件家族系列:
RVN-{QUANT}.gguf
RVN-{QUANT}-mtp.gguf
RVN-{Q5_K_M|Q4_K_M|Q3_K_M}-vision.gguf
RVN-{QUANT}-multilingual.gguf
RVN-{QUANT}-multilingual-mtp.gguf
RVN-{Q5_K_M|Q4_K_M|Q3_K_M}-multilingual-vision.gguf
RVN-F16.gguf / RVN-F16-mtp.gguf
RVN-BF16.gguf / RVN-BF16-mtp.gguf
mtp-RVN.gguf # 独立的草稿头兼容文件;非主模型
- 不存在复合的
vision-mtp文件。 - 不存在
F16-multilingual或BF16-multilingual文件。 mmproj-Qwen3.8-27B-Q8_0.gguf是独立的视觉投影器,不是另一个主模型。mtp-RVN.gguf是一个独立的 1.69 GiB 独立 MTP 草稿头文件,专为高级/历史遗留工作流保留。它无法单独回答提示词,任何内置 MTP 的*-mtp.gguf文件也都不需要它。绝大多数用户应忽略该文件,只需下载普通主模型或其内嵌 MTP 的孪生版本即可。
命名后缀含义解析
-multilingual— 针对新下载推荐的 Qwen 定制校准系列。其重要性矩阵覆盖了土耳其语、俄语等 20 多种语言、代码、推理及工具调用结构,避免了将低比特精度预算全部挤占在狭隘的纯英语文本上。校准在低比特率下最为关键;它并不会教 Qwen 学习新语言。-mtp— 包含相同的主模型张量,并额外内嵌了 Qwen3.8 官方的 15 张量 MTP/NextN 草稿头,用于推测解码。需额外预留约 451 MB / 0.42 GiB 显存。目前所有多语言孪生文件均恰好增加 451,320,768 字节;历史孪生文件因 32 字节的历史元数据布局差异,增加了 451,320,736 或 451,320,768 字节。这是一项速度特性,并不提升量化画质。-vision— 将 token 嵌入层、输出层以及首尾桥接块保持在较高精度。这是一个可选的桥接保护变体,并非运行图像输入的强制要求。多语言 vision 文件已通过仓库的 API/模板测试门禁;由于其图像质量优势未进行单独基准评测,此处不对画质提升作额外保证。- 名称中无
-multilingual— 原始 RVN 校准系列,保留在其既有文件名下以维持兼容性与下载连续性。包含普通、-mtp以及精选的-vision文件。这些文件均可正常使用且模板配置正确,但建议低比特新部署选用多语言系列。
量化标签说明
Q…_K…— llama.cpp 的 K-quant 系列。在同等级别下,_M通常比_S保留更高精度且体积略大;在可用时_L体积与精度更进一步。IQ…— 基于重要性矩阵(importance-aware)的低比特量化格式。在显存极度紧张时尤为有用,但仅凭文件名无法证明历史产物的校准方式;本仓库对出处进行了独立记录。L → M → S → XS → XXS— 在同类家族中,通常体积逐步缩减,保真度递减。NL— 非线性(nonlinear)IQ4 变体。- 请勿单凭后缀来对不同类型的量化格式进行排序。请参考上方的快速选型指南和下方的实时尺寸对照表。
视觉(Vision)模型下载指南
如需进行图像输入理解,请下载:
- 单个兼容的 RVN 主模型 GGUF — 标准版或
-vision版文件;以及 - 单独下载
mmproj-Qwen3.8-27B-Q8_0.gguf(约 0.63 GB)。
任何兼容的 RVN 主模型均可搭配该投影器使用。当现有的 Q5_K_M/Q4_K_M/Q3_K_M 体积适合您的显存,且在视觉-语言桥接层保留额外精度对您非常重要时,可选择 -vision 构建版本。由于不存在复合的 vision-mtp 构建,您需要在独立视觉保护构建和内嵌 MTP 构建之间做出取舍。
何时选用 MTP?
- 为确保最佳的运行时兼容性,请首选普通的
-multilingual.gguf文件。 - 仅当您使用的较新 llama.cpp 版本支持内嵌 MTP、额外的 0.42 GiB 显存不会挤占运行时/上下文空间,且启用了相关 MTP 启动参数时,才选用对应的
-multilingual-mtp.gguf孪生文件。 - 实测加速效果因具体量化格式和硬件而异,无法做出绝对保证。
- 请勿对
IQ1_M启用 MTP 孪生文件:实测生成速度慢了约 60%。IQ1_S也仅提升约 4%。除非您自己的基准测试证明有效,否则对于这类极限低比特量化,请优先使用普通文件。
历史名称与对话模板澄清
- 当前所有的 53 个
RVN-*.gguf路径及全部 49 个*-multilingual*.gguf构件均已正确内嵌 Qwen3.8 官方对话模板。运行这些文件无需额外指定外部对话模板启动参数。 Qwen3.8-27B-Heretic-Q4_K_M.gguf是较早的 pre-RVN 消融版本,为保持历史下载连续性而保留。其当前在线文件头同样包含官方内嵌模板,但它并非 RVN 模型,也未参与 53 个文件的 RVN 运行时修复工作。新用户请选用 RVN 多语言文件。- 仓库中的
chat_template.jinja仅作为官方模板的人类可读参考副本保留,并非当前模型运行所必需的变通补丁。
文件列表与量化规格
推荐:Qwen Multilingual v5 校准系列
这些增量文件基于对话模板修复后的 RVN F16 参考模型,使用锁定的 Qwen 专用多语言/代码校准语料重新构建。历史文件名仍保持可下载以维持连续性;新部署推荐选用 -multilingual 系列。
为什么多语言系列至关重要: Qwen 在预训练阶段就已经掌握了多种语言,校准过程并不会教它新语言。重要性矩阵的核心作用在于引导低比特量化时最精细地保护哪些激活与权重区域。单一狭隘的纯英文校准集会将宝贵的精度预算全部分配给英文百科模式;而此 Qwen 定制语料同时覆盖了土耳其语、俄语等 20 多种语言、代码、推理思维链和工具调用格式。这使得 -multilingual 成为新下载的推荐默认选择,尤其是在 4-bit 及以下量化级别。
我应该选哪个文件? 追求最佳运行时兼容性请选择纯 -multilingual.gguf。在拥有支持内嵌 MTP 的较新 llama.cpp 并希望获得推测解码加速时,才选择其 -multilingual-mtp.gguf 孪生版本。如需搭配官方 mmproj 优先保证图像理解,请选用 -multilingual-vision.gguf。Q8_0 作为一致且经验证的构建保留在该系列中,尽管在 8-bit 精度下校准带来的差异通常较小。
关于 Q8_0 的说明: 完整的张量结构与张量数据哈希对比证明,历史版本与多语言 Q8_0 基础文件的张量完全逐字节一致;它们的 MTP 孪生版本张量也完全相同。保留多语言 Q8_0 的命名是为了维持系列与版本来源的一致性,并非标榜额外的 Q8 质量提升。其 GGUF 元数据记录了锁定的多语言 imatrix 来源,而 -mtp 则代表独立的 15 张量推测解码头。比对凭据 SHA-256:210e59a07412df8f46b94f41790c0fb36540a2a6a09fb24933e6c1c3cb1ee863。
可复现性与验证信息:
- 校准数据源:
tristandruyen/9e207a95c7d75ddf37525d353e00659c,修订版本aba17fe897c00fae02a18d26068aa453dee09e50。 - 语料 SHA-256:
2a0118c633250aad448cfc2d103e10a731af6974dab1738ca19261fce3587b80;imatrix SHA-256:5e73e1449451480fa48f463b781cfa2124daaf5c337a0c44f272e37b64fc1114。 - Imatrix 配置:55 个已完成分块,496 个条目,上下文 2048;llama.cpp commit
645ca2834bc16e7eab112a91aeb282ebb913f935。 - 内嵌官方 Qwen 模板 SHA-256:
c3cf9e34abf4f9e36c2d72165aa9c132d3e2a725b6c2586aaa3a8af9d7a81041。 - 上传后,49/49 个构件均通过了在线 LFS SHA-256 及 64 MiB 文件头验证。
- 每个构件均在 llama.cpp 中加载并通过
llama-server提供服务;其 OpenAI 兼容 API 均返回 HTTP 200、finish_reason=tool_calls及add({"a":19,"b":23})。设置enable_thinking:false可抑制<think>,且单独的常规对话测试均返回TEMPLATE_OK。 - MTP 孪生版本额外加载 866 个张量,具有
qwen35.block_count=65和qwen35.nextn_predict_layers=1。
试验性困惑度差异 PPL deltas(多语言 - 参考基准;数值越低越好):
| 试验项 | Wiki 相比 F16 | Wiki 相比 历史版 | 多语言 相比 F16 | 多语言 相比 历史版 |
|---|---|---|---|---|
| Q4_K_M | -0.0002 | +0.0156 | +0.0038 | -0.0074 |
| IQ4_XS | +0.0290 | +0.0060 | +0.0091 | -0.0083 |
受视觉保护的多语言变体保留了 Q8_0 嵌入层/输出层及首尾桥接层,同时对中间模块进行目标量化:
| 量化等级 | 文件名 | 体积 | 单文件 API 门禁 |
|---|---|---|---|
| Q5_K_M | RVN-Q5_K_M-multilingual-vision.gguf | 21.02 GB / 19.58 GiB | 通过 (PASS) |
| Q4_K_M | RVN-Q4_K_M-multilingual-vision.gguf | 18.75 GB / 17.46 GiB | 通过 (PASS) |
| Q3_K_M | RVN-Q3_K_M-multilingual-vision.gguf | 16.19 GB / 15.08 GiB | 通过 (PASS) |
| 文件名 | 体积 (GB / GiB) | 说明 |
|---|---|---|
RVN-F16.gguf | 53.81 / 50.11 | F16 参考模型(无 NextN/MTP) |
RVN-BF16.gguf | 53.81 / 50.11 | BF16 参考模型(无 NextN/MTP) |
RVN-Q8_0.gguf | 28.60 / 26.63 | 顶级品质 8-bit |
RVN-Q6_K.gguf | 22.08 / 20.57 | 高品质 6-bit |
RVN-Q5_K_M.gguf | 19.23 / 17.91 | 均衡型 5-bit |
RVN-Q5_K_S.gguf | 18.68 / 17.40 | 5-bit 小型 |
RVN-Q4_K_M.gguf | 16.55 / 15.41 | 推荐 4-bit(24 GB 显存首选) |
Qwen3.8-27B-Heretic-Q4_K_M.gguf | 16.55 / 15.41 | 历史遗留版本(早期消融变体,为保证下载连续性而保留) |
RVN-IQ4_NL.gguf | 15.89 / 14.80 | 未使用 imatrix 构建的历史遗留 4-bit 非线性版;建议优先选用 RVN-IQ4_NL-multilingual.gguf |
RVN-Q4_K_S.gguf | 15.59 / 14.52 | 小型 4-bit |
RVN-IQ4_XS.gguf | 15.19 / 14.15 | 未使用 imatrix 构建的历史遗留 4-bit 超轻量版;建议优先选用 RVN-IQ4_XS-multilingual.gguf |
RVN-Q3_K_L.gguf | 14.34 / 13.36 | 大型 3-bit |
RVN-Q3_K_M.gguf | 13.30 / 12.39 | 紧凑型 3-bit |
RVN-IQ3_M.gguf | 12.58 / 11.72 | imatrix 3-bit — 2026-08-17 重新上传(先前文件因错误的量化运行导致张量损坏:出现 NaN/Inf 缩放及归零张量;已使用全新 imatrix 基于 F16 重新量化并验证 — 详见下文注释) |
RVN-IQ3_S.gguf | 12.42 / 11.57 | imatrix 3-bit 小型 |
RVN-Q3_K_S.gguf | 12.07 / 11.24 | 紧凑型 3-bit 小型 |
RVN-IQ3_XS.gguf | 11.97 / 11.15 | imatrix 3-bit 超轻量型 |
RVN-IQ3_XXS.gguf | 11.19 / 10.42 | imatrix 3-bit 极轻量型 |
RVN-Q2_K.gguf | 10.71 / 9.98 | 2-bit K-quant |
RVN-Q2_K_S.gguf | 10.25 / 9.54 | 2-bit K-quant 小型 |
RVN-IQ2_M.gguf | 10.00 / 9.32 | imatrix 2-bit |
RVN-IQ2_S.gguf | 9.36 / 8.72 | imatrix 2-bit 小型 |
RVN-IQ2_XS.gguf | 9.09 / 8.47 | imatrix 2-bit 极小版 |
RVN-IQ2_XXS.gguf | 8.43 / 7.85 | imatrix 2-bit(极限最小) |
RVN-IQ1_M.gguf | 7.63 / 7.11 | imatrix 1-bit(实验性质) |
RVN-IQ1_S.gguf | 7.15 / 6.66 | imatrix 1-bit(实验性质) |
👁️ 视觉保护(UD 风格)变体
这些 -vision 变体应用了结构化精度策略:token_embd、output 以及前 4 层与后 4 层 Transformer 块保持在 Q8_0 精度,而中间模块采用目标 K-quant 进行量化。张量审查确认了 106 个通过正则选定的重载项、851 个张量、各张量类型均正确且无 NaN/Inf。此处仅客观说明产物的结构设计,不作为图像画质提升的基准断言。
| 文件名 | 体积 (GB / GiB) | 桥接层 / 中间层精度 |
|---|---|---|
RVN-Q5_K_M-vision.gguf | 21.02 / 19.57 | Q8_0 桥接 · Q5_K_M 中间层 |
RVN-Q4_K_M-vision.gguf | 18.75 / 17.46 | Q8_0 桥接 · Q4_K_M 中间层 |
RVN-Q3_K_M-vision.gguf | 16.19 / 15.08 | Q8_0 桥接 · Q3_K_M 中间层 |
使用方法 — 与标准量化版完全相同,仅需将路径指向 -vision 文件:
llama-server -m RVN-Q5_K_M-vision.gguf --mmproj mmproj-Qwen3.8-27B-Q8_0.gguf \
-c 32768 -ngl 99
📊 困惑度(Perplexity,对比 F16 基准)
测试环境:RTX PRO 6000 Blackwell(全 GPU 卸载,llama.cpp master 分支):
测试工具:llama-perplexity,tiny_shakespeare 语料库,上下文长度 2048。
| 模型 | PPL | 相对 F16 变化 (Δ) |
|---|---|---|
RVN-F16.gguf | 4.5477 | — |
RVN-Q5_K_M.gguf (标准版) | 4.6493 | +2.23% |
RVN-Q5_K_M-vision.gguf | 4.6497 | +2.24% |
RVN-Q4_K_M-vision.gguf | 4.8751 | +7.20% |
RVN-Q3_K_M-vision.gguf | 5.6490 | +24.2% |
上表仅反映文本困惑度。虽然 Q8_0 覆盖层在结构上得到了验证,但本仓库尚未发布这些文件的可复现图像质量对比凭证;因此不对图像质量提升作断言。
基于 imatrix 的量化版本由同一 F16 生成,其激活重要性矩阵基于 wikitext-2-raw(初始系列,580 chunks)或 tiny_shakespeare(2026-08-17 重新量化新增:
IQ3_M修复版及IQ2_S/IQ3_XXS/IQ3_XS/IQ3_S,159 chunks,llama-imatrix,-ngl 99)计算得出。 当前已发布的IQ4_XS和IQ4_NL文件属于例外:独立 GGUF 头审查及生产脚本确认它们在生成时未使用--imatrix。早期的 imatrix 标签有误;目前正在基于 wikitext-imatrix 重建修复替代版本(包含 MTP 孪生版)。-vision文件采用 K-quant 默认配置生成(无 imatrix)——桥接保护属于结构化(Q8_0 覆盖),不依赖 imatrix。
⚡ MTP 推测解码 (Speculative Decoding)
每个量化版本均提供内嵌官方 Qwen3.8 MTP 草稿头(Q8_0;每个内嵌孪生版大约占用 451 MB / 0.42 GiB 显存)的 *-mtp.gguf 孪生版本。主模型权重与基础文件逐字节完全一致——草稿头作为额外的 blk.64.nextn.* 层集合追加(block_count 65, qwen35.nextn_predict_layers=1)。
独立的 mtp-RVN.gguf 文件是大小为 1.69 GiB 的独立草稿头兼容构件,仅供高级/历史工作流使用。它并非主模型,无法单独处理提示词,内嵌的 *-mtp.gguf 孪生版也不需要它。
消融操作从未涉及草稿头(消融只作用于主模型第 26–56 层),因此草稿头品质保持不变,推测解码能够保证输出完全一致(output-equivalent):生成完全相同的 token,但速度显著提高。
运行用法 (llama.cpp ≥ b10440, PR #22673):
llama-server -m RVN-IQ3_M-mtp.gguf -c 32768 -ngl 99 \
--spec-type draft-mtp --spec-draft-n-max 2 --parallel 1
实测测试(基于 2× RTX PRO 6000 Blackwell,每张 95 GB,全 GPU 卸载,llama.cpp b10472):
| 量化等级 | 常规速度 (t/s) | + MTP 加速后 (t/s) | 速度增幅 (Δ) |
|---|---|---|---|
Q6_K | 61.6 | 126.2 | +105% |
BF16 | 29.2 | 58.2 | +99% |
Q8_0 | 50.6 | 98.0 | +94% |
IQ3_S | 91.9 | 169.7 | +85% |
IQ4_XS | 83.4 | 152.0 | +82% |
Q3_K_S | 84.5 | 153.6 | +82% |
F16 | 29.4 | 52.9 | +80% |
IQ3_XS | 94.0 | 161.9 | +72% |
Q3_K_L | 78.7 | 131.3 | +67% |
IQ4_NL | 80.8 | 138.0 | +71% |
IQ2_M | 106.2 | 175.9 | +66% |
IQ2_XS | 112.8 | 183.4 | +63% |
Q4_K_M | 76.6 | 122.0 | +59% |
Q4_K_S | 80.5 | 127.1 | +58% |
IQ3_M | 91.3 | 144.0 | +58% |
Q3_K_M | 82.6 | 129.5 | +57% |
IQ2_XXS | 117.6 | 182.6 | +55% |
Q2_K | 98.2 | 150.2 | +53% |
IQ3_XXS | 98.5 | 138.5 | +41% |
IQ2_S | 111.5 | 155.3 | +39% |
Q5_K_M | 68.1 | 93.8 | +38% |
Q2_K_S | 105.5 | 145.1 | +38% |
Q5_K_S | 70.7 | 91.1 | +29% |
IQ1_S | 127.0 | 131.7 | +3.7% |
IQ1_M | 119.5 | 47.6 | −60% ⚠️ |
平均提升:+55% 生成速度(128-token 连续生成测试,参数 --spec-draft-n-max 2 --parallel 1)。
⚠️ IQ1_M 属于例外情况:开启 MTP 会导致速度变慢约 60% — 对 IQ1_M 请务必使用基础文件。
IQ1_S 几乎无加速效果 (+4%)。除这两种极端量化外,其余所有量化级别均获得 +29% 至 +105% 的提速。
社区在更大型显卡上的实测数据显示,加速幅度在 +33% 至 +145% 之间(取决于 GPU 型号及上下文长度)。实用技巧:在 16–24 GB 显存卡上 --spec-draft-n-max 2 是最佳平衡点(更强显卡可设为 3–4);长上下文建议配合 --cache-type-k q4_0 --cache-type-v q4_0;在带宽受限的平台上,设置 --spec-draft-p-min 0.60–0.75 会有所帮助。
👁️ 视觉能力(图像理解)
将任何 *-mtp.gguf 与官方视觉投影器搭配,即可获得完整的图文理解与文本生成能力:
llama-server -m RVN-IQ3_M-mtp.gguf --mmproj mmproj-Qwen3.8-27B-Q8_0.gguf \
-c 32768 -ngl 99 --spec-type draft-mtp --spec-draft-n-max 2 --parallel 1
mmproj-Qwen3.8-27B-Q8_0.gguf(0.63 GB, Q8_0)是来自ggml-org/Qwen3.8-27B-GGUF的官方 Qwen3.8 视觉投影器(Apache-2.0 许可)。视觉编码塔仅充当图像编码器——ARA 消融从未修改该部分,因此它能与所有 RVN 量化版本完美协同工作。- 已验证:
RVN-Q3_K_M-mtp搭配该 mmproj 能正确解析并描述图像(MTP 处于激活状态)。 - 组合方案致谢:cfigueiroa/Qwen3.8-27B-RVN-vision-MTP。
量化级别与显存选型指南
以下数值仅代表模型权重所需显存。KV 缓存、计算缓冲区、操作系统、MTP 草稿头以及视觉投影器均需占用额外内存。新部署建议优先选择此处列出的 -multilingual 文件。
| 可用显存 / 统一内存 | 安全入门选择 | 模型权重体积 | 实用注意事项 |
|---|---|---|---|
| 约 8 GB | RVN-IQ1_S-multilingual.gguf | 6.66 GiB | 应急方案,仅限短上下文。加上缓冲区和 KV 缓存后仍可能无法完全放入显存,可能需要部分 CPU 卸载。建议选非 MTP 版本。 |
| 12 GB | RVN-IQ2_XXS-multilingual.gguf 或 RVN-IQ2_XS-multilingual.gguf | 7.85 / 8.47 GiB | 相比 IQ2_M 留有更多运行时空间;画质相比 Q3/Q4 会有较明显损失。 |
| 16 GB | RVN-Q3_K_S-multilingual.gguf 或 RVN-Q3_K_M-multilingual.gguf | 11.24 / 12.39 GiB | Q3_K_S 留有更多上下文显存余量;Q3_K_M 则以消耗空间为代价换取更佳品质。 |
| 24 GB | RVN-Q4_K_M-multilingual.gguf;可选 RVN-Q5_K_M-multilingual.gguf | 15.41 / 17.91 GiB | Q4_K_M 是兼顾速度与画质的默认首选。Q5_K_M 侧重质量但上下文余量减少。Q6_K 占用 20.57 GiB 过于紧凑。 |
| 32 GB+ | RVN-Q8_0-multilingual.gguf | 26.63 GiB | 保真度极高的量化方案;超长上下文仍需额外显存支持。 |
| 64 GB+ | RVN-BF16.gguf 或 RVN-F16.gguf | 50.11 GiB | 属于参考与基准评测级别,非普通日常推理下载之选。 |
若选用内嵌 MTP 草稿头,需额外预留约 451 MB / 0.42 GiB 显存。当前多语言孪生版恰好增加 451,320,768 字节;历史孪生版增加 451,320,736 或 451,320,768 字节(源于 32 字节历史元数据差异)。单独的视觉投影器约占 0.63 GB。两者均需在主模型大小之上额外计算。
局限性与负责任使用
- 设计上削减了安全防护栏: 本模型不适用于需要健全安全过滤机制、内容审查系统或面向未成年人开放的生产环境应用。
- 特定安全防护栏被有意保留: 消融操作主要针对常规有害提示词类别的拒绝回答行为;一小部分经由硬性安全对齐训练的特定类别被有意保留,未作完全消除。模型的行为可能因不同领域和语言而有所差异。
- 本项目与 Qwen/阿里巴巴或 trohrbaugh 概无隶属关系,亦未获其背书。
许可证与致谢
- 基座模型:Qwen/Qwen3.8-27B — Apache-2.0
- 消融来源:
trohrbaugh/Qwen3.8-27B-heretic-ara— Apache-2.0 - 本仓库:Apache-2.0。详见 LICENSE。
引用
@misc{rohrbaugh2026heretic,
title={Qwen3.8-27B-heretic-ara: ARA Abliteration of Qwen3.8-27B},
author={Rohrbaugh, Tim},
year={2026},
howpublished={\url{https://huggingface.co/trohrbaugh/Qwen3.8-27B-heretic-ara}}
}
@misc{rvn2026,
title={RVN: Qwen3.8-27B Heretic Abliterated Uncensored},
author={0bserverx},
year={2026},
howpublished={\url{https://huggingface.co/0bserverx/Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF}}
}
研究用途与责任声明
本仓库专用于合法的学术研究与受控评估,包括模型可解释性、对齐与拒绝行为分析、红队测试(red-teaming)及鲁棒性研究。它并非可直接投入生产的安全防护层。如果您部署该模型或向其他用户开放访问,您有责任添加适当的访问控制、内容审核、行为监控与滥用防护措施。
使用这些文件需遵守 Apache License 2.0 及所有适用的法律法规。您需对模型的运行方式以及在您的环境中生成的任何内容承担全部责任。在法律允许的最大范围内,本仓库维护者及上游作者不对模型的滥用或由此造成的损害承担任何法律责任。模型生成的输出不代表维护者、上游创作者或其所属组织的观点与背书。