license: gemma tags:
- uncensored
- gemma4
- gguf
- vision
- multimodal
- audio
- abliterated language:
- en
- multilingual pipeline_tag: image-text-to-text base_model: google/gemma-4-e2b-it
Gemma-4-E2B-Uncensored-HauhauCS-Aggressive
加入 Discord 获取更新动态、开发路线图、项目进展或参与日常交流。
由 HauhauCS 进行无审查（uncensored）处理的 Gemma 4 E2B-IT。0/465 次拒绝（Refusals）***
HuggingFace 的“Hardware Compatibility”（硬件兼容性）组件无法识别 K_P 量化版本 —— 它显示的文件数量可能少于实际存在的文件。请点击 “View +X variants” 或前往 Files and versions 查看所有可供下载的文件。
关于本项目
未对数据集或模型能力做任何改动。功能完全正常，100% 保留了原作者预期的全部能力 —— 只是去除了拒绝回答的行为。
本系列旨在打造目前市面上最好的无损无审查（uncensored）模型。
激进版本（Aggressive Variant）
更强力的去审查处理 —— 模型完全解锁，不会拒绝提示词。可能会偶尔附加简短的免责声明（这是固化在基座模型训练中的，并非拒绝回答），但完整内容始终会被生成。
如果您希望获得更保守的去审查效果并保留部分安全防护栏，可在可用时查看 Balanced（平衡）版本。
模型下载
| 文件 | 量化版本 | BPW | 大小 |
|---|---|---|---|
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q8_K_P.gguf | Q8_K_P | 9.4 | 4.7 GB |
| — | Q8_0 | 8.5 | — |
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q6_K_P.gguf | Q6_K_P | 7.0 | 3.7 GB |
| — | Q6_K | 6.6 | — |
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q5_K_P.gguf | Q5_K_P | 6.1 | 3.5 GB |
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf | Q4_K_P | 5.2 | 3.3 GB |
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q3_K_P.gguf | Q3_K_P | 4.1 | 3.1 GB |
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-IQ3_M.gguf | IQ3_M | 3.7 | 3.0 GB |
| Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q2_K_P.gguf | Q2_K_P | 3.5 | 2.9 GB |
| mmproj-Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-f16.gguf | mmproj (f16) | — | 940 MB |
所有量化版本均使用重要性矩阵（imatrix）生成，以在消除审查（abliterated）的权重上实现最佳质量保留。
什么是 K_P 量化？
K_P（“Perfect”，完美）量化是 HauhauCS 的自定义量化方法，它利用针对特定模型的分析，选择性地在最关键的部分保留精度质量。每个模型都会获得其专属的优化量化配置方案。
相比基础量化版本，K_P 量化仅增加约 5-15% 的文件体积，即可有效将模型输出质量提升 1 到 2 个量化档位。完全兼容 llama.cpp、LM Studio 以及任何支持 GGUF 的运行时环境 —— 无需特殊构建。
注意： K_P 量化在 LM Studio 的量化列中可能会显示为“?”。这仅仅是一个界面显示问题 —— 模型可以正常加载并运行。
规格参数
- 2B 参数量
- 35 层，混合滑动窗口（512）+ 全注意力机制（full attention）
- 131K 上下文长度
- 原生多模态（文本、图像、视频、音频）
- 20 个 KV 共享层以提升显存效率
- 基于 google/gemma-4-e2b-it
推荐运行配置
来自 Google Gemma 4 官方作者推荐：
temperature=1.0, top_p=0.95, top_k=64
重要提示：
- 使用 llama.cpp 时请带上
--jinja参数，以确保正确解析聊天模板（chat template） - 视觉/音频功能需要搭配主 GGUF 对应的
mmproj文件共同使用
使用方法
兼容 llama.cpp、LM Studio、Jan、koboldcpp 及其他支持 GGUF 的运行时。
# 仅文本
llama-cli -m Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf \
--jinja -c 8192 -ngl 99
# 启用视觉/音频
llama-cli -m Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf \
--mmproj mmproj-Gemma-4-E2B-Uncensored-HauhauCS-Aggressive-f16.gguf \
--jinja -c 8192 -ngl 99
其他尺寸
- Gemma-4-E4B-Uncensored-HauhauCS-Aggressive — 4B 版本，性能更强
* 相比我的其他发布版本，Gemma 4 在长上下文场景下没有经过同样长时间的人工测试。Google 目前正在使用类似 NVIDIA GenRM 的技术 —— 即作为内部批判器的生成式奖励模型（generative reward models）—— 这使得（真正意义上的）去审查变成了一个愈发具有挑战性的领域。我认为 99.999% 的用户不会遇到边界极端情况，但出于诚实负责的考虑，依然在此添加星号说明。
** 这是一个 2B 规模的模型。请合理设定预期 —— 以其尺寸而言它确实令人印象深刻，但它毕竟只有 20 亿参数。复杂推理、细腻角色扮演以及长篇连贯生成并非其强项。非常适合轻量快速任务、移动端/边缘端部署以及实验性探索。