license: apache-2.0 tags:
- uncensored
- gemma4
- moe
- gguf
- vision
- multimodal
- agentic
- coding language:
- en pipeline_tag: image-text-to-text base_model: google/gemma-4-26B-A4B-it
Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced
加入 Discord 获取更新、路线图、项目进展,或仅用于日常交流。
由 HauhauCS 去审查(uncensored)的 Gemma4-26B-A4B。0/465 次拒绝* 历经一个多月不间断攻坚后的候选发布版本(Release Candidate)。
HuggingFace 的“硬件兼容性”(Hardware Compatibility)小部件无法识别 K_P 量化版本 — 显示的文件数量可能少于实际存在的文件。请点击 "View +X variants" 或进入 Files and versions 查看所有可下载的文件。
关于模型
GenRM 已被攻克!
未对数据集或模型能力做任何改动。功能完全保留,100% 达到原作者预期的效果 — 仅仅移除了所有拒绝回复。
目标是打造市面上最优秀的无损去审查模型。
Balanced(平衡版)— Release Candidate
这确实耗费了我一个多月不间断的心血。目标是在常规使用中实现 0 拒绝,且这与我在自动化和人工测试中观察到的结果完全一致 — 少数边缘提示词在初次尝试时仍可能回避,但在追问或重新提问时会照常执行。如果你遇到了 Balanced 无法通过的问题,待我想出如何在更激进调整下依然保持无损/近乎无损质量的方案后,Aggressive(激进版)变体也会随之推出。
- Balanced(平衡版):会通盘推理带有边界性的边缘请求,偶有附带简短的安全框架声明,随后给出完整的回答。输出完整无保留,但可能会先进行自我逻辑推导。推荐作为默认版本 — 99% 以上的用户使用此版本即可获得理想体验。 最适合创意写作、角色扮演(RP)、情商交互。通常我也会推荐将其用于“智能体编程/工具调用”,然而在我的深度评测中,Qwen3.6 在这类任务上整体表现更为出色。请留意前面提到的少数回避场景。
- Aggressive(激进版) (独立发布,开发中):去除自我推理前缀引导,直接回答任何受到极其严格审查的话题。
Balanced 在多次重新生成(re-run)中的采样稳定性也显著更高,这对于长上下文对话会话至关重要 — 在深层上下文交流中不会出现偶发性的话题漂移。
下载列表
| 文件 | 量化方式 | BPW | 大小 |
|---|---|---|---|
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q8_K_P.gguf | Q8_K_P | 8.64 | 27 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q6_K_P.gguf | Q6_K_P | 7.21 | 23 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q5_K_P.gguf | Q5_K_P | 6.12 | 19 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q5_K_M.gguf | Q5_K_M | 6.06 | 19 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q4_K_P.gguf | Q4_K_P | 5.36 | 17 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q4_K_M.gguf | Q4_K_M | 5.32 | 17 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-IQ4_XS.gguf | IQ4_XS | 4.41 | 14 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q3_K_P.gguf | Q3_K_P | 4.25 | 13 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q3_K_M.gguf | Q3_K_M | 4.21 | 13 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-IQ3_M.gguf | IQ3_M | 3.93 | 12 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q2_K_P.gguf | Q2_K_P | 3.39 | 11 GB |
| Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-IQ2_M.gguf | IQ2_M | 3.29 | 10 GB |
| mmproj-Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-f16.gguf | mmproj (f16) | — | 1.2 GB |
整体实际 BPW 略高于名义值,因为 Gemma4 拥有大量保持在 F32 精度的每层归一化/缩放张量(每层存在多个 post-ffw norm)。所有量化版本均使用重要性矩阵(imatrix)生成,以在去审查权重上最大程度保持最佳质量。
什么是 K_P 量化?
K_P("Perfect")量化是 HauhauCS 的定制量化技术,采用模型专属分析,有针对性地在最关键的部位保留质量。每个模型都会获得针对其自身优化的量化配置文件 — 前 25% 最重要的张量(根据 imatrix 校准)会被提升到更高的量化级别。
相较于基准量化,K_P 量化在仅增加约 5-15% 文件大小的情况下,可有效将质量提升 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 — 无需专门的构建版本。
注意: 在 LM Studio 的量化列中,K_P 量化可能会显示为 "?"。这仅是显示层面的问题 — 模型可以正常加载并运行。
为什么选择此模型用于 Agent 任务
总参数量 26B,但每次前向传播仅激活约 4B(128 个专家中路由激活 top-8)。你能以约 4B 推理开销的吞吐速度,获得 26B 级别的推理能力 — 这在每个任务需要串联 10 个以上工具调用的场景下尤为重要。滑动窗口注意力(1024 tokens)结合周期性全局注意力,在降低长上下文计算成本的同时,保证了全局连贯性。
Balanced 版本正是为此校准的。它移除了安全/运维/研究相关主题中阻碍正常编程工作的拒绝响应,同时不破坏维持长链条连贯性的采样几何分布。
多数编程任务的推荐量化档位:Q4_K_P(17 GB,可放入 24 GB 显存并留有上下文余量)或 Q8_K_P(27 GB,如果拥有更大显存并追求极致质量与最小层卸载)。
请注意 — Gemma4 的核心使用场景依然是创意写作、角色扮演以及情商交互。
规格参数
- 25.2B 总参数 / 3.8B 激活参数(128 个路由专家,top-8 + 1 个共享专家)
- 30 层,混合注意力机制:5× 滑动窗口(1024 tokens) → 1× 完整全局,循环交替。使用比例旋转位置编码(Proportional RoPE,p-RoPE)。
- 隐藏层维度 2816,FFN 维度 2112,MoE 专家 FFN 704,词表大小 262144
- 注意力头维度 256(SWA)/ 512(全局),16 个注意力头,8 个 KV 头(全局层为 2 个)
- 256K 原生上下文长度
- 原生多模态(文本 + 视觉)— 随附 mmproj 文件。可变视觉 token 配额:每张图像 70 / 140 / 280 / 560 / 1120 tokens。
- 基于 google/gemma-4-26B-A4B-it
推荐设置
来自官方 Gemma 作者:
推理参数:
temperature=1.0, top_p=0.95, top_k=64
重要说明:
- 在 llama.cpp 中使用
--jinja以确保正确处理聊天模板 - 视觉功能支持需要将
mmproj文件与主 GGUF 文件放在一起。在提示词中将图像置于文本之前可获得最佳视觉表现。 - 进行严谨的 Agent 任务时请至少保留 32K 上下文;如需要,模型可支持更大上下文(原生 256K)
- 滑动窗口已内嵌于模型架构中 — 无需额外的特殊参数标记
开启/关闭思考模式(Thinking Mode)
Gemma4 通过聊天模板中的 enable_thinking 控制思考模式。其模式与 Qwen3.6 相同 — 设置为 false 可获得更快、更精简的回复;设置为 true(默认)可开启思维链(chain-of-thought)。
LM Studio
- 加载模型
- 右侧设置面板 → Model Settings → Prompt Template(或 Chat Template Options)
- 在模板 kwargs 中将
enable_thinking设置为false(或true)
llama.cpp
llama-server — 设置为所有请求的默认值:
llama-server -m Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q4_K_P.gguf \
--mmproj mmproj-Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-f16.gguf \
--jinja -c 32768 -ngl 99 \
--chat-template-kwargs '{"enable_thinking": false}'
通过兼容 OpenAI 的 API 对单次请求进行配置:
{
"model": "gemma4-26b-a4b",
"messages": [{"role": "user", "content": "..."}],
"chat_template_kwargs": {"enable_thinking": false}
}
使用方法
支持 llama.cpp、LM Studio、Jan、koboldcpp 以及其他兼容 GGUF 的运行时。
llama-server:
llama-server -m Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q4_K_P.gguf \
--mmproj mmproj-Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-f16.gguf \
--jinja -c 32768 -ngl 99
llama-cli:
llama-cli -m Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-Q4_K_P.gguf \
--mmproj mmproj-Gemma4-26B-A4B-Uncensored-HauhauCS-Balanced-f16.gguf \
--jinja -c 32768 -ngl 99
其他模型
* 经过自动化和人工拒绝基准评测 — 在常规使用中未发现拒绝情况。少数边缘提示词在初次提问时可能回避,但在重新提问或策略性引导后均能正常遵从。若你遇到切实阻碍使用场景的情况,欢迎加入 Discord并反馈,以便我在后续版本中进行优化改进。