language:
- en
- zh license: mit tags:
- GLM 4.7 Flash
- thinking
- reasoning
- NEO Imatrix
- MAX Quants
- 16 bit precision output tensor
- heretic
- uncensored
- abliterated
- thinking
- reasoning
- deep reasoning
- fine tune
- creative
- creative writing
- fiction writing
- plot generation
- sub-plot generation
- fiction writing
- story generation
- scene continue
- storytelling
- fiction story
- science fiction
- romance
- all genres
- story
- writing
- vivid prosing
- vivid writing
- fiction
- roleplaying
- bfloat16
- swearing
- rp
- horror pipeline_tag: text-generation base_model:
- Olafangensan/GLM-4.7-Flash-heretic
为全新的 GLM-4.7-Flash(30B-A3B MoE 混合专家模型)专门打造并强化的无审查 / HERETIC GGUF 量化版本。
[ https://huggingface.co/zai-org/GLM-4.7-Flash ]
由于每次仅激活 4 个专家(约 20 亿激活参数),该模型可在 GPU 和/或 CPU 上顺畅运行。
无审查(Uncensored)/ Heretic 处理
由 Heretic 提供的去审查处理(特别鸣谢 "Olafangensan")在某些情况下似乎缩减了思考块(thinking blocks)的大小,并且/或者使模型的表现更加“专注”。
默认设置(适用于大多数任务)
temperature: 1.0
top-p: 0.95
max new tokens: 131072
重复惩罚(REP PEN):1.1 或 1.0(关闭)(如果遇到重复生成问题)
您也可以尝试 GLM 4.6 的推荐设置(来自 unsloth):
temperature = 0.8
top_p = 0.6 (推荐)
top_k = 2 (推荐)
max_generate_tokens = 16,384
话虽如此,我建议最低上下文窗口设置为 8k-16K,因为最终输出(思考过程之后的内容)可能非常长且详尽,并且在多次观察中,模型会在输出部分对最终结果进行一次或多次“润色”。
(模型无需 RoPE 扩展即可支持高达 200k 上下文。)
未去审查(原版)量化版本:
https://huggingface.co/DavidAU/GLM-4.7-Flash-Uncensored-Heretic-NEO-CODE-Imatrix-MAX-GGUF
量化概述:
量化版本与重要性矩阵(imatrix)均使用最新的 LLAMACPP(commit: 7789, 2026年1月21日)计算生成,该版本包含了针对此模型的专门修复。
在此 commit 之前的量化版本(以及重要性矩阵生成)表现不佳(必须重新量化并重新生成 imatrix)。
另外请注意,Flash Attn 存在一些导致生成速度变慢的问题(因为 Flash 在某些情况下会被卸载到 CPU 上)。在此问题得到解决或合并入“llamacpp / ai 流水线”之前,请暂时禁用 Flash Attn。
专用量化版本(Specialized Quants)
专用量化版本(IQ4_NL、Q5_1、Q4_1、Q8_0)经过精度平衡调优,以解决所有层中需要特定量化类型的特定张量问题。
其他“常规”量化版本同样具有非常出色的表现。
量化增强特性:
重要性矩阵(imatrix)采用 DavidAU 的 NEO 与 Code 数据集——采用双重要性矩阵(Dual Imatrix,分别独立生成的两套 imatrix)以提升模型性能。
所有量化版本(包括专用与“常规”版本)均使用 16 位(全精度)“输出张量(output tensor)”进行强化,从而进一步提升模型质量。
输出张量直接影响模型 10-20% 的精细输出质量——同时涵盖思考过程与最终输出生成。
特别鸣谢:
- ZAI-ORG 团队打造了如此卓越的模型。
- P-E-W 团队在 Heretic 系统上付出的杰出工作。
- Olafangensan 团队完成了该模型的 Heretic 去审查处理。
使用“去审查”(移除拒绝机制)模型 VS 原生训练的“无审查”模型
通常情况下,当你要求一个模型生成恐怖、粗口或成人内容时,只需下达指令即可获得对应类型的内容。
而在本模型中,它绝不会拒绝你的请求,但在某些情况下,它需要被稍加“推动”或给予更多明确的引导。
尽管该模型同样可以生成成人内容,但类似地,你需要指示它使用特定的“俚语/粗俗语”(并给出你想要的词汇),以便让它按照“预期的”程度准确生成内容。
如果没有这些额外的指令引导,与专门针对无审查内容训练的模型相比,生成的内容可能会显得较为“平淡”。
大体而言,模型会尝试生成相应内容,但其“默认”设置倾向较为“温和”,因此需要一定的推动力才能达到预期的露骨描写、粗口或露骨情节水平。
即使给予最基本的指引(例如:使用这些粗口词汇:x, y, z),也足以推动模型按照……所预期的形式生成所需内容。
设置建议:聊天 / 角色扮演(ROLEPLAY)及/或更平滑的模型运行设置:
在 "KoboldCpp"、"oobabooga/text-generation-webui" 或 "Silly Tavern" 中:
将 "Smoothing_factor" 设置为 1.5
: 在 KoboldCpp 中 -> Settings->Samplers->Advanced-> "Smooth_F"
: 在 text-generation-webui 中 -> parameters -> 右下角。
: 在 Silly Tavern 中此项名为:"Smoothing"
注意:对于 "text-generation-webui"
-> 如果使用 GGUF,你需要选择 "llama_HF"(这需要从本模型的源版本下载部分配置文件)
我发布的模型源版本(及配置文件)请见此处:
其他选项:
-
将重复惩罚(rep pen)增加至 1.1 到 1.15(如果使用了 "smoothing_factor" 则无需此项)
-
如果你用于运行 AI 模型的界面/程序支持“二次采样(Quadratic Sampling)”(即“平滑/smoothing”),请按照上述说明调整即可。
最高质量设置 / 最佳运行指南 / 参数与采样器
这是一个“Class 1(一级)”模型:
如需查看适用于该模型的所有设置(包括针对其“Class”分类的具体设置)、生成示例,以及高级设置指南(通常能解决绝大多数模型问题),包括针对各种用例(以及对话聊天、角色扮演等)提升模型性能的方法,请参阅:
若要查看生成所用的全部参数,以及充分发挥该模型潜力的高级参数与采样器设置,请参阅此处: