license: apache-2.0 base_model: Qwen/Qwen3.8-27B base_model_relation: quantized pipeline_tag: image-text-to-text library_name: mlx language:
- en
- zh tags:
- abliterated
- qwen3.8
- qwen3_5
- uncensored
- ai-red-team
- red-teaming
- mlx
- apple-silicon
- quantized
- 4-bit
- 8-bit
- vision-language
- image-text-to-text
- multimodal
- function-calling
- reasoning
基于
Qwen/Qwen3.8-27B的**去拒绝(Abliterated)**构建版本。原始基座是一款参数量为 27B 的稠密型混合注意力(Gated DeltaNet 线性注意力 + 全注意力)原生视觉-语言模型,具备思考控制(thinking control)、工具调用(tool-calling)与 MTP(多 Token 预测)输出头;本项目将其量化为专为 Apple Silicon 优化的 MLX 格式。仓库提供四种精度:2 / 4 / 6 / 8-bit(仿射量化,group size 64),分别存放于独立子目录中。同时,4-bit 版本在仓库根目录进行了镜像映射,便于orcarouter/Qwen3.8-27B-Uncensored-MLX直接在 LM Studio 及其他将仓库视为单一模型的工具中无缝加载。视觉编码器(vision tower)、归一化层(norms)以及卷积层均完整保留为 BF16;仅对语言模型的线性层权重(包含embed_tokens/lm_head)进行量化处理。 可在 OrcaRouter 模型目录 中浏览全部模型。 该模型已部署为在线 API,详情参见此处。
⚠️ 免责声明与风险提示 —— 使用前必读
本模型已通过**去拒绝化(Abliteration)**技术(从残差流中正交消除拒绝方向)大幅移除了安全对齐。因此会产生以下直接后果:
- 模型将响应并执行可能有害、不道德、冒犯性或非法的请求,而原始的
Qwen3.8-27B则会对此类请求予以拒绝。本模型不包含任何实质性的内置安全防护机制。 - 本模型仅供合法的学术与安全研究使用 —— 包括可解释性分析、AI 安全及拒绝机制研究、红队对抗测试、鲁棒性评估以及受控实验。
- 使用者须对模型的使用方式及其生成的所有内容承担全部责任与法律后果。在进行任何实际部署之前,请务必自行添加安全审核、内容风控及防滥用机制。
- 使用本模型必须遵守继承自基座模型的 Apache 2.0 许可证,以及您所在国家/地区的所有适用法律法规。
- 作者与发布者对任何滥用行为或造成的损害概不承担任何责任。模型输出不代表发布者或 Qwen / 阿里巴巴的立场与观点。
具体风险说明
- 按需生成潜在有害内容 —— 当收到对应提问时,模型可能会生成恶意软件代码、系统漏洞利用、武器制造、欺诈方案以及其他非法或危险活动的指导说明。
- 无拒绝拦截机制 —— 越狱与安全性探测提示词将直接“奏效”;切勿将此类响应误认为是顺利通过了安全评估。
- 高确定性的虚假信息与偏见 —— 模型可能会以权威、肯定的口吻生成虚假捏造、诽谤、带偏见或具有冒犯性的文本内容。
- 攻击面扩大 —— 由于模型完整保留了视觉能力、工具调用以及 262K 超长上下文,上述风险将进一步延伸至图像理解及自主代理(Agent)场景中。
- 量化噪声 —— 较低比特的量化构建版本(尤其是 2-bit)在上述风险的基础上还会引入模型不稳定因素,输出可能出现质量严重退化或无逻辑乱码。
适用场景与禁止场景
- 适用场景: AI 安全与模型可解释性研究、模型拒绝机制研究、红队测试、安全护栏与鲁棒性评测、受控学术实验。
- 禁止场景: 在未部署自主安全审查/审核过滤机制的前提下,向终端用户、未成年人或生产环境提供服务;任何违反法律法规、有害或侵犯他人合法权益的使用行为。
下载或使用本模型即表示您已知晓并同意上述条款与说明。
可用的量化规格
| 目录 | 每权重比特数 (Bits/weight) | 大小 | 分片数 | 最低 Mac 内存 | 相比 BF16 源模型质量 |
|---|---|---|---|---|---|
8-bit/ | 8.627 | ~27.5 GB | 6 | 32 GB | 近乎无损 — 追求高品质的推荐规格 |
6-bit/ | 6.661 | ~22 GB | 5 | 24–32 GB | 极佳 — 质量与体积的平衡之选 |
4-bit/ | 4.695 | ~15 GB | 3 | 24 GB | 优秀 — 推荐的默认量化版本 |
2-bit/ | 2.729 | ~8.7 GB | 2 | 16 GB | ⚠️ 严重退化 — 仅供归档与技术研究 |
2-bit 警告: 在 27B 规模下,2-bit 量化会导致生成质量严重崩溃(出现死循环重复、乱码输出)。该版本仅作为极限压缩归档保留;请勿将其用于实际工作 —— 建议选用 4-bit 或更高精度。
仓库根目录 =
4-bit/: 本仓库的根目录存有 4-bit 构建版本的副本,因此指定--model orcarouter/Qwen3.8-27B-Uncensored-MLX(不带子文件夹)将默认解析为 4-bit。如需使用其他精度,请在路径中指定相应的子目录名称。
验证与测试结果
所有量化版本均基于相同的去拒绝 BF16 源模型转换生成,并通过了数值检验(反量化权重与源模型对比)以及 GPU 实际生成评测验证。
| 精度 | 数值保真度 (余弦相似度) | 文本 / 中文 / 代码 | 拒绝行为探测 | 视觉能力 |
|---|---|---|---|---|
| 8-bit | cos 0.9997 | ✅ | ✅ 0 次拒绝 | ✅ |
| 6-bit | cos 0.9996 | ✅ | ✅ 0 次拒绝 | ✅ |
| 4-bit | cos 0.996 | ✅ | ✅ 0 次拒绝 | ✅ |
| 2-bit | cos 0.92 | ⚠️ 输出崩溃 | ⚠️ 乱码(非拒绝) | 部分可用 |
- 去审查特性得以保留: 红队测试提示词(如漏洞利用流程详解、争议性观点论述)在 4 / 6 / 8-bit 版本上均能输出实质性内容,且拒绝率为 0。
- 多模态能力得以保留: 在 4 / 6 / 8-bit 版本上,均能准确描述测试图像中的几何形状、颜色、空间相对位置、背景细节与文本字符。
- 推理速度: 在单卡 H200(MLX CUDA 后端)上稳态推理速度约为 32–37 tok/s。MLX 的原生主力目标平台为 Apple Silicon(Metal)。
注:在 6-bit 规格下,mlx 离线反量化接口
mx.dequantize存在解包异常(库本身的边缘边界问题),但通过实际生成验证输出完整干净 —— 推理运行不受影响。
使用指南 (mlx-vlm, Apple Silicon)
pip install -U mlx-vlm # 需要 mlx-vlm >= 0.6.13, mlx >= 0.32
# 从指定子目录下载单一精度模型(例如 4-bit)
hf download orcarouter/Qwen3.8-27B-Uncensored-MLX --include "4-bit/*" \
--local-dir ./Qwen3.8-27B-Uncensored-MLX
# 纯文本生成
python -m mlx_vlm generate \
--model ./Qwen3.8-27B-Uncensored-MLX/4-bit \
--prompt "Explain quantum entanglement in one sentence." --max-tokens 256
# 视觉理解(图像 + 文本)
python -m mlx_vlm generate \
--model ./Qwen3.8-27B-Uncensored-MLX/4-bit \
--image path/to/image.png \
--prompt "Describe this image." --max-tokens 256
# 启动兼容 OpenAI 接口规范的服务端
python -m mlx_vlm server --model ./Qwen3.8-27B-Uncensored-MLX/4-bit --port 8080
在 Apple Silicon 设备上,系统会自动使用 Metal 后端 —— 无需配置任何 CUDA 环境。
(在 Linux CUDA 后端环境下,视觉推理需设置环境变量 MLX_CUDA_USE_CUDNN_SDPA=0;macOS 下无需配置。)
多 Token 预测 (MTP) —— 投机解码 (Speculative Decoding)
本模型原生配备了 MTP 预测头。在 MLX 框架中,MTP 是作为独立的起草模型(Drafter)加载以实现投机解码的:加载主模型时会剥离 MTP 权重,并显式传入起草模型。该起草模型位于本仓库的 mtp/ 子目录中(model_type: qwen3_5_mtp),可与任意精度的主模型(4 / 6 / 8-bit)搭配协同使用。
仅在主模型上配置
mtp_enabled标志不会产生任何加速效果 —— MLX 必须通过参数--draft-model … --draft-kind mtp显式加载独立的起草模型。
# 下载指定精度的主模型(例如 6-bit)以及 MTP 起草模型
hf download orcarouter/Qwen3.8-27B-Uncensored-MLX --include "6-bit/*" "mtp/*" \
--local-dir ./Qwen3.8-27B-Uncensored-MLX
# 使用 MTP 投机解码进行推理生成
python -m mlx_vlm generate \
--model ./Qwen3.8-27B-Uncensored-MLX/6-bit \
--draft-model ./Qwen3.8-27B-Uncensored-MLX/mtp \
--draft-kind mtp --draft-block-size 4 \
--prompt "Explain quantum entanglement in one sentence." --max-tokens 256
# 启用 MTP 的 OpenAI 兼容接口服务端
python -m mlx_vlm server \
--model ./Qwen3.8-27B-Uncensored-MLX/6-bit \
--draft-model ./Qwen3.8-27B-Uncensored-MLX/mtp \
--draft-kind mtp --draft-block-size 4 --port 8080
环境要求: 支持 qwen3_5_mtp 起草模型与 --draft-kind mtp 参数的 mlx-vlm 版本(可在 mlx-vlm main 分支获取)。MTP 的 Token 采纳过程是无损的 —— 在贪婪解码(Greedy Decoding)模式下,输出结果与不带起草模型完全一致,仅通过减少接受 Token 的前向传播计算次数带来加速。在 Apple Silicon (Metal) 上加速效果尤为明显;单个起草模型可通用适配所有量化精度。
使用指南 (LM Studio)
在 LM Studio 中搜索 orcarouter/Qwen3.8-27B-Uncensored-MLX 并下载 —— 仓库根目录对应 4-bit 版本,其他量化精度会作为独立的下载选项展示。
使用时需注意以下三点配置:
- 本仓库设有访问门槛(Gated Repo): LM Studio 默认以匿名方式下载,会导致 HTTP 401 报错。请先在 Hugging Face 模型主页同意许可协议,然后在 LM Studio 的 Settings → Integrations → Hugging Face 中填入您的 Hugging Face 读取令牌(Read Token)。
- 关闭 KV Cache 量化: 在当前架构下,MLX 视觉模型暂不支持 KV Cache 量化;若启用该选项,模型在初始化加载阶段将会失败报错(详见 mlx-engine#286)。
- 选择与硬件匹配的量化版本: 8-bit 版本磁盘占用约 29.5 GB,建议配备 64 GB 统一内存的 Mac;6-bit 适合 48 GB 内存机型;在 32 GB 内存的 Mac 上,4-bit(约 16 GB)是最佳选择。 LM Studio 显示的 "Likely too large"(可能过大)徽章仅为内存提示,并非致命错误。
如果您正在使用旧版 LM Studio MLX 运行时,请前往 Settings → Runtime 进行升级:对 qwen3_5 的支持始于 mlx-vlm 0.6.x,旧版运行时完全无法加载该模型架构。
模型规格详情
| 属性 | 参数 / 说明 |
|---|---|
| 基座模型 | Qwen/Qwen3.8-27B |
| 模型架构 | Qwen3_5ForConditionalGeneration — 64 层,隐藏层维度 5120,混合 Gated DeltaNet(48 个线性注意力层 + 16 个全注意力层,交替间隔 4),原生视觉编码器 |
| 模型修改 | 去拒绝处理(Abliteration,消除拒绝方向),随后执行 MLX 仿射量化 |
| 量化配置 | MLX 仿射量化 (affine),分组大小 (group size) 64,提供 2 / 4 / 6 / 8-bit 多精度规格 |
| 保留为 BF16 | 视觉编码器(vision tower)、全部归一化层、线性注意力 conv1d |
| 量化层 | 语言模型线性层,包含 embed_tokens 与 lm_head |
| 上下文长度 | 262,144 tokens |