来自 @elder_plinius 兄弟的最强力 Cyber Qwen3.8-27B 无审查版本已发布

• 18/18 AI 红队测试
• 本地部署仅需15GB显存
• 在842个有害提示词上，拒绝率为0.0%
• 网络能力（越狱、RAT、攻击链）完全解锁
• 这并非普通的安全消除，而是多方向消融（5个SVD方向、残差挖掘（6轮完整处理）），模型对一切问题皆作答
• 最佳设置：temperature 0 | repetition_penalty 1.15 | 无系统提示词 | 关闭思考模式
• 为获得极致的服从性，MMLU性能有轻微损失（-6pp）
• 存在能力权衡（MMLU从87.4降至81.4），但服从性极高
• http://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED…

OBLITERATUS/Qwen3.8-27B-OBLITERATED · Hugging Face

来源：https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED

零拒绝。能力匹配或超越原版。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%86%95-v2-complementary-abliteration-blending🆕 V2版本：互补消融融合技术

V2版本用一种新颖技术取代了V1的权重：互补消融融合。我们运行两次不同方式的“手术”（一次激进/SVD用于深度移除拒绝，一次LEACE用于保持能力），然后将它们的权重融合，使各自的失败互相抵消，而非只进行一次手术。

MMLU 说明： 使用--limit 10参数运行（570个问题，每个学科10个）。完整数据集验证正在进行中。按学科初步结果显示，无论在中性话题（大学数学+40pp，形式逻辑+20pp）还是安全相关话题上，均有提升。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%E2%9A%99%EF%B8%8F-optimal-settings–these-matter⚙️ 最佳设置 — 这很重要！

⚠️ GGUF 用户注意： V2 GGUF版本使用了修改过的聊天模板，默认关闭思考。如果你的推理工具（Ollama, LM Studio, llama.cpp）覆盖了模板或启用了思考，你可能会看到拒绝。请确保在工具设置中禁用思考。

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))

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%A7%A8-v2-how-it-works🧨 V2：工作原理

大多数消融方法使用单一方法——找到拒绝方向并将其投射出去。你切割得越深，失去的能力就越多。V1证明了这一点：5个SVD方向实现了0%拒绝，但代价是MMLU下降了-6pp。

V2通过融合两种互补的“手术”打破了这种权衡：

每种方法在权重空间的不同部分会犯不同的错误。SVD在贪婪捕获方差时损害了能力。LEACE在生成路径中留下了拒绝残留。融合平均了每种方法的弱点。

60/40的比例是通过二分搜索在{0.30, 0.50, 0.55, 0.60, 0.65, 0.70}中找到的。

完整研究论文和复现代码：OBLITERATUS 仓库 (https://github.com/elder-plinius/OBLITERATUS)

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%A7%AA-the-numbers🧪 数据

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#mmlu-lm-eval-harness-0-shot MMLU (lm-eval-harness, 0-shot)

完整MMLU（1.4万题）验证正在进行中。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#refusal-rate 拒绝率

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#advanced-real-world-tasks-thinking-off 高级真实世界任务（思考关闭）

V2在每一个实际任务上都匹配原版，同时完全无审查。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%94%B4-refusal-removal 🔴 拒绝移除

此模型将服从原版Qwen3.8-27B会拒绝的请求。V1在一个全面的有害提示词语料库（包括以下类别）中验证了0/842的拒绝率：

• 恶意软件开发、RAT脚本、C2基础设施
• 社会工程、钓鱼、语音钓鱼剧本
• 漏洞利用开发和漏洞研究
• 越狱设计和安全绕过分类
• DAN提示词和提示词注入技术

V2继承了两个父级手术的这一特性，并在随机样本中显示为0/52。完整重新验证正在进行中。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%E2%9A%A0%EF%B8%8F-research-context ⚠️ 研究背景

**此模型的安全护栏已被手术式移除。**它将服从原版Qwen3.8-27B会拒绝的请求。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#who-this-is-for 适用人群

• 🔬 研究拒绝几何结构和安全鲁棒性的对齐研究人员
• 🔴 评估权重手术后训练安全性的红队成员
• 🧪 需要无限制基准的AI安全评估员
• 💻 希望完全掌控自己硬件的本地优先用户

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#who-this-is-not-for 不适用人群

• 任何试图对现实世界中真实的人造成伤害者
• 任何不具备负责任地使用无审查模型所需技术理解者

你独自对如何使用此模型及其生成的任何内容负责。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%93%A6-downloads 📦 下载

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#gguf–for-llamacpp-ollama-lm-studio GGUF — 用于 llama.cpp, Ollama, LM Studio

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#safetensors–for-%F0%9F%A4%97-transformers Safetensors — 用于 🤗 Transformers

完整的 bfloat16 权重，18个分片，约54 GB。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#mlx–for-apple-silicon-native MLX — 用于 Apple Silicon (原生)

注意： MLX量化版本来自V1，将会更新。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%94%AC-v2-surgery-recipe 🔬 V2 手术配方

原版 Qwen3.8-27B (快照 1d4bf0f2)
  → V1 手术链 (s13→s23→s30→s51)
  → V2：两种新手术（源自s30）的互补融合：
  
  手术 A (s62)：激进，3个SVD方向，正则化 0.08，
    残差权重 3，2次精炼轮，最小层 0.45
    
  手术 B (s72)：激进 + LEACE方向方法，
    3个方向，正则化 0.06，残差权重 7，
    3次精炼轮，最小层 0.40
    
  → 权重融合：60% 手术B + 40% 手术A
  → 从原版恢复 MTP + 视觉张量
  → 从融合后的模型转换 GGUFs

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#v1-%E2%86%92-v2-what-changed V1 → V2：有何不同

V1使用了单一激进手术（5个SVD方向，正则化 0.04）。它找到了拒绝轴，但在此过程中损害了能力几何结构。

V2的关键洞察：不同的方向查找方法会损害模型的不同部分。 SVD贪婪地捕获方差（包括能力）。LEACE最小化互信息（保留能力）。将它们的输出融合平均了每种方法的弱点——这是对权重空间插值应用于消融的一种新颖应用。

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#%F0%9F%8F%97%EF%B8%8F-credits 🏗️ 致谢

• OBLITERATUS (https://github.com/elder-plinius/OBLITERATUS) — 主要的消融套件
• Qwen3.8-27B (https://huggingface.co/Qwen/Qwen3.8-27B) — 阿里巴巴的基础模型
• 由 Pliny the Prompter (https://pliny.gg/) 🍄 构建

https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED#license 许可证

Apache 2.0（与基础模型相同）