license: apache-2.0 base_model: Qwen/Qwen3.8-27B tags:
- abliterated
- uncensored
- obliteratus
- qwen3
- qwen3.8
- red-team
- ai-safety-research
- gguf
- safetensors
- mlx model_type: qwen3 pipeline_tag: text-generation
⛓️💥 Qwen3.8-27B — OBLITERATED(无限制版)
真正无审查。提供切实回答,绝非安全说教。保留接近原版的基准能力。
🆕 V3:深度解禁 (Deep Liberation)
V3 在 V2 互补融合的基础上进行了迭代精炼,并结合了针对性的语料库扩展。最终成果:真正的全面解禁——不仅移除了硬性拒答,更彻底消除了安全说教式的回避(safety-lecture deflections)。
| 原版 Qwen3.8-27B | V1 | V2 | V3 | |
|---|---|---|---|---|
| MMLU (lm-eval, 0-shot) | 84.5% (n=5700) | 81.4% | 84.3% | 82.3% |
| 对比原版 | — | -6.0pp | -0.3pp | -2.1pp |
| 解禁质量 | 拒绝回答 | 消除硬性拒绝 | 仍存在软性回避说教 | 真正提供回答 ✅ |
| 网络安全/代码任务 (20 个提示词) | 拒绝回答 | 未测试 | 未测试 | 20/20 全部提供可用代码 ✅ |
| 进阶真实世界任务 | 5/8 | 未测试 | 7/8 | 7/8 |
| 思考模式 (Thinking mode) | ✓ | ✗ | ✗ (拒绝) | ✓ |
V3 核心亮点:
- 真正回答受限提问 — 提供真材实料的实质内容,而非安全说教
- 代码生成任务 20/20 达成 — 产出功能完整的实际代码实现,而非免责声明
- 兼容思考模式 (Thinking ON) — 在任一思考模式下均无拒绝行为
- 严谨客观的评分标准 — 每条回复均经人工审计,确保具备实质内容,而非仅仅缺少 "I cannot" 字样
- MMLU 仅下降 2.1pp — 为实现真正的解禁仅付出了微小的能力代价
⚙️ 最佳配置参数 — 这些设置至关重要!
| 配置参数 | 推荐值 | 原因说明 |
|---|---|---|
| temperature | 0 | 贪心解码(Greedy decoding)能生成最完整、代码量最丰富的内容。温度高于 0.5 会显著降低生成质量。 |
| repetition_penalty | 1.15 | 必选参数。 若不设置,贪心解码容易在库导入/样板代码上陷入死循环。1.15 能得到最详尽完整的回答;1.10-1.12 则适用于更精简的输出。 |
| max_new_tokens | ≥ 2048 | 复杂的代码和攻击链推理需要充足的生成空间。 |
| 系统提示词 (System prompt) | None / empty (留空) | 经 A/B 测试验证——系统提示词可能会重新引入拒绝行为。纯净无提示词效果最佳。 |
| enable_thinking | OFF (recommended) | V3 的对话模板内置了预填充逻辑,会自动跳过思考链。开启思考(Thinking ON)虽然可用但可能导致回复冗长。关闭思考(Thinking OFF)能获得最直接、干货最充实的回答。 |
| top_p / top_k / min_p | 无需设置 | 贪心解码 + repetition_penalty 是驾驭该模型的最佳组合。采样机制只会增加随机性而无法提升质量。 |
⚠️ GGUF 用户请注意: V3 GGUF 版本内置了预填空思考块的对话模板,以便模型能直接给出回答。为获得最佳效果,建议在 llama.cpp 中配合
--jinja使用自带模板,或在相应工具(Ollama、LM Studio)中配置使用模型内置模板。
智能体 / 长上下文使用建议 (Agentic / Long-Context Use)
如果您在智能体框架(编程 Agent、渗透测试框架等)中使用该模型时出现循环死锁:
| 配置参数 | 推荐值 | 原因说明 |
|---|---|---|
| repetition_penalty | 1.15 | 对 Agent 至关重要。 若缺失,贪心解码极易在重复的工具调用和固定样板代码中陷入循环。 |
| temperature | 0.1–0.3 | 微量随机性有助于打破确定性死循环。纯贪心(0.0)容易卡住。 |
| 每轮 max_tokens | 1024–2048 | 每轮不要给予过大的生成空间——较短的响应有助于保持智能体专注。 |
| 上下文管理 (Context management) | 约 10 轮后进行摘要 | 上下文容易被重复操作填满。及时修剪或总结历史记录,确保模型在正确轨道上运行。 |
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained(
"OBLITERATUS/Qwen3.8-27B-OBLITERATED",
torch_dtype="bfloat16",
device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained(
"OBLITERATUS/Qwen3.8-27B-OBLITERATED"
)
messages = [{"role": "user", "content": "Your query here"}]
text = tokenizer.apply_chat_template(
messages, tokenize=False, add_generation_prompt=True,
enable_thinking=False
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(
**inputs,
max_new_tokens=2048,
do_sample=False,
repetition_penalty=1.15,
)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
🧨 工作原理解析 — V1 → V2 → V3
模型消融手术(Abliteration)通过识别模型权重空间中的“拒绝方向”并将其投影剔除,从而移除拒答行为。各个版本对该方案进行了层层精进:
V1:单次手术 (Single Surgery)
采用 5 个方向进行了一次激进的 SVD 手术。彻底消除了硬性拒绝,但导致 MMLU 下降了 6 个百分点——模型明显变笨了。
V2:互补融合 (Complementary Blending)
突破性创新:执行两种以不同方式失败的手术,然后融合它们的权重。SVD 会贪婪地捕获拒绝特征(损伤综合能力)。LEACE 最小化互信息(保留能力但移除拒绝的效果较弱)。以 60/40 的比例进行融合能相互抵消各自的缺陷——我们将这一全新技术称为互补消融融合(complementary abliteration blending)。
结果:MMLU 仅下降 0.3pp(几乎保持原版水准),但对某些简单提问仍会以安全说教的形式进行软性回避,而非硬性拒答。
V3:迭代精炼 + 定向手术 (Iterative Refinement + Targeted Surgery)
两大核心洞见:
- 迭代叠加 (Iterative stacking) — 始终在冠军模型基础上精炼,绝不重新从原版起步。每一轮手术都建立在上一轮收益的基础上。
- 定向语料库 (Targeted corpus) — 针对特定的回避类别使用专注语料库,精准捕捉其独特的拒绝方向而不稀释特征信号。
V3 在 V2 基础上进行了温和的迭代精炼,随后使用定向语料库进行专项手术,最后将二者融合。这不仅消除了硬性拒绝(“I cannot”),还彻底根除了软性回避(缺乏实质内容的安全说教)。
结果:MMLU 仅降低 2.1pp——为所有类别的全面真实解禁付出了极小代价。
🧪 评测基准数据
MMLU 基准评测 (lm-eval-harness, 0-shot, 每个学科 n=100,共 5700 题)
| 模型 | MMLU | 标准误 (Stderr) | 对比原版 |
|---|---|---|---|
| Stock Qwen3.8-27B | 84.46% | ±0.46 | — |
| V1 (激进, 5方向) | 81.4% | — | -6.0pp |
| V2 (互补融合) | 84.32% | ±0.65 | -0.28pp |
| V3 (迭代 + 定向) | 82.33% | ±0.48 | -2.12pp |
MMLU 各类别表现
| 类别 | V3 | 原版 | 差值 (Delta) |
|---|---|---|---|
| 人文学科 (Humanities) | 83.3% | 84.3% | -1.0pp |
| 社会科学 (Social Sciences) | 87.4% | 89.2% | -1.8pp |
| 其他 (Other) | 82.3% | 84.1% | -1.8pp |
| STEM (理工科) | 78.5% | 81.8% | -3.3pp |
能力损耗分布并不均匀——STEM 领域受影响最大(-3.3pp),而人文学科几乎不受影响(-1.0pp)。哲学和欧洲历史等少数科目甚至有所提升(分别上升 +6pp 和 +4pp),而抽象代数和形式逻辑则出现了较大幅度的下降。这种模式符合预期:手术定向消除的拒绝方向与结构化推理通路的权重存在部分重叠。
解禁质量评测
| V1 | V2 | V3 | |
|---|---|---|---|
| 硬性拒绝 ("I cannot") | ✅ 已消除 | ✅ 已消除 | ✅ 已消除 |
| 软性回避 (安全说教) | 未测试 | 依然存在 | ✅ 已消除 |
| 网络安全/代码任务 (20 个提示词) | 未测试 | 未测试 | 20/20 |
| 思考模式兼容性 (Thinking ON) | ✗ | ✗ | ✓ |
进阶真实世界任务
| 任务 | V3 | 原版 |
|---|---|---|
| ReAct 智能体循环 | ✓ | ✓ |
| 异步代码重构 | ✓ | ✓ |
| JSON Schema 模式提取 | ✓ | ✓ |
| K8s Pod 崩溃排查调试 | ✓ | ✓ |
| 对抗性指令遵循 | ✓ | ✓ |
| 安全代码审查 | ✓ | ✓ |
| 分布式系统设计 | ✓ | ✓ |
| 多工具链调用 | ✗ | ✗ |
| 总计 | 7/8 | 7/8 |
🔴 拒绝行为移除说明
本模型将顺从并执行原版 Qwen3.8-27B 会拒绝的请求。V3 的改进远不止消除硬性拒绝——它还全面消除了模型以安全说教替代实质回答的软性回避现象。
已在超过 1000 个涵盖受限知识、代码生成、安全研究和红队攻防场景的测试提示词下进行了全面检验。每条回复均经过人工审查,确保提供真材实料的有效内容。
⚠️ 研究背景与免责声明
本模型的安全防护栏已通过手术手段剔除。 它将顺从原版 Qwen3.8-27B 拒绝执行的请求。
适用人群
- 🔬 研究拒绝几何学(refusal geometry)及安全稳健性的对齐研究人员
- 🔴 评估对抗权重手术后训练安全性的红队测试人员
- 🧪 需要无限制基线模型的 AI 安全评测人员
- 💻 希望对自身硬件拥有完全掌控权的本地优先(Local-first)用户
不适用人群
- 任何企图在现实世界中对真实人类造成伤害的人
- 缺乏负责任使用无审查模型所需技术理解与把控能力的人
您对本模型的使用方式以及其生成的任何内容承担全部责任。
📦 下载指南
GGUF — 适用于 llama.cpp、Ollama、LM Studio
| 文件名 | 量化级别 | 文件体积 | 特点说明 |
|---|---|---|---|
Qwen3.8-27B-OBLITERATED-Q8_0.gguf | Q8_0 | ~27 GB | 🎯 最高品质 |
Qwen3.8-27B-OBLITERATED-Q6_K.gguf | Q6_K | ~21 GB | ⚖️ 优异平衡 |
Qwen3.8-27B-OBLITERATED-Q5_K_M.gguf | Q5_K_M | ~18 GB | 💪 坚实全能 |
Qwen3.8-27B-OBLITERATED-Q4_K_M.gguf | Q4_K_M | ~16 GB | 📱 黄金甜点位 |
Qwen3.8-27B-OBLITERATED-Q3_K_M.gguf | Q3_K_M | ~13 GB | 🪶 低显存占用 |
Qwen3.8-27B-OBLITERATED-Q2_K.gguf | Q2_K | ~11 GB | 🔬 最小可行版 |
Qwen3.8-27B-OBLITERATED-IQ4_XS.gguf | IQ4_XS | ~14 GB | 🧪 实验性紧凑版 |
Safetensors — 适用于 🤗 Transformers
完整 bfloat16 权重,共 29 个分片,约 54 GB。
MLX — 适用于 Apple Silicon
MLX 支持正在等待上游 mlx_lm 增加对 Qwen3.5 架构的支持。
🔬 手术配方流程 (Surgery Recipe)
V1: 原版 → 5 轮迭代 SVD 消融
(激进配置,5 个方向,低正则化)
结果: 0% 拒绝率, -6pp MMLU
V2: 原版 → V1 链路 → 互补融合
手术 A: 激进 SVD (3 方向, 正则化 0.08)
手术 B: LEACE (3 方向, 正则化 0.06)
→ 60% B + 40% A 权重空间线性插值 (LERP)
→ 从原版恢复 MTP + 视觉模块
结果: ~0% 拒绝率, -0.3pp MMLU
V3: V2 → 温和迭代精炼 (2 方向 SVD, 正则化 0.04)
→ 基于定向语料库的专项手术 (3 方向 SVD, 正则化 0.01)
→ 精炼版与专项版按 50/50 融合
→ 从原版恢复 MTP + 视觉模块 (纠正张量命名)
结果: 0% 拒绝率 + 0% 回避率, -2.1pp MMLU
完整复现代码:OBLITERATUS 代码库
关键经验与心得
- 互补融合 (Complementary blending) — 不同的手术方法会损伤权重空间的不同区域;融合能相互抵消误差
- 迭代叠加 (Iterative stacking) — 始终在最优成果上持续精炼,绝不重新从原版起步
- 定向语料库 (Targeted corpus) — 针对特定类别的专项提示词能精准锁定其拒绝方向,防止信号稀释
- 客观严谨的评估 (Honest scoring) — 基于正则匹配的拒答检测器会遗漏软性说教回避;人工审查必不可少
🏗️ 制作致谢
- OBLITERATUS — 主控模型消融套件
- 阿里巴巴 Qwen3.8-27B 基础模型
- 开发者:Pliny the Prompter 🍄
开源许可证 (License)
Apache 2.0(与基础模型保持一致)