uncensored

AtomicChat 发布了 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO GGUF 量化版本，通过从稠密残差写入模块中投影移除拒绝方向，使一个 7630 亿参数的 MoE 模型能够借助 Strata 在单张 12 GB 显存的 GPU 上运行，且 MMLU 性能下降极小。

发布 Swift 1.5 Flash Next - Heretic v2，这是 Qwen 3.8 Flash 的自定义 GGUF 量化版本，针对逆向工程和编程进行了优化，采用全新的 heretic 权重，以及基于激活能量审计的层级感知比特分配策略。

这是 DeepSeek-V4.1-Flash-1017 的 Hugging Face 发布版本，通过 abliteration（消融术）移除了拒绝行为，以原生 FP8（e4m3）权重发布，并采用 FP4 MoE 专家权重，同时保留了视觉、视频、工具调用、推理分级和 1M token 上下文。模型卡片强调该版本并非量化衍生品、并非聊天模板越狱、也并非基于 LoRA/RLHF —— 被编辑的权重就是模型本身。

这是一个 Hugging Face 发布包，将 HauhauCS 的无审查版 Qwen3.8-27B 权重与 DavidAU 的 Turbo-Brilliance 'AI Construct' 聊天模板模式打包为单个 GGUF 文件，可在 llama.cpp、LM Studio 和 Ollama 中实现基于角色的无审查回复。

介绍 AtomicChat 在 HuggingFace 发布的 Qwen-Image-2.1-Turbo "去审查" 文本编码器 GGUF 量化版，并提供在 8G 显存（RTX 5060）上用 ComfyUI 本地部署出图的完整教程，包含文件下载清单、节点配置、5 个真机踩坑解法及提示词示例。

AtomicChat 发布了 Qwen-Image-2.1-Turbo 的无审查（uncensored）GGUF 量化版本，量化阶梯从 3.3 GB 到 16.4 GB，可使用 llama.cpp、Ollama、LM Studio 等工具在本地运行图像生成。

AtomicChat 发布了 Qwen-Image-2.1-Turbo 文本编码器（Qwen3-VL-8B-Instruct）的 abliteration（消融处理）版本 GGUF，通过投影移除拒答方向，将聊天拒答率从 88.9% 降至 1.2%，且 MMLU 性能无可测下降。在 45 条敏感提示上的基准测试显示图像输出无变化，因为原版 Qwen-Image 管线本身没有安全检查器。

Abenzerps 发布了 Qwen-Image-2.1 的去审查量化版本，提供 GGUF、Safetensors 和 MLX 格式，支持在 ComfyUI 中进行本地图像生成，Q4_K_M 为推荐量化档位。

Qwen-Image-2.1模型的GGUF量化版本，用于使用ComfyUI进行本地图像生成，包含推荐的量化方式和部署设置说明。

一位用户质疑无审查的AI模型是否因内容限制较少而在编程中表现更佳，并寻求社区的证据和轶事。

DeepSeek-V4.1-Flash的永久修改版本，彻底移除安全护栏，保留完整功能，包括视觉、推理和工具，并在HarmBench评估中实现100%合规。

CyberTiel 35B-A3B 是一款无审查的4位量化AI模型，专为编码任务优化，在真实代码库问题上表现优于 Opus 4.6 medium，并且速度远快于 Qwen3.8-27b medium。

本文对 8 个 Qwen 3.8 27B 模型的 abliterated 变体与基座模型进行了全面基准测试，消耗 167 GPU 小时，涵盖权重分析、KL 散度、13 项基准测试及 HarmBench 拒绝测试。分析表明，精细化编辑显著优于大幅修改：激进的 abliteration 会导致模型在多达 45% 的对抗性响应中陷入思考循环，且部分变体中检测到聊天模板操纵。

Qwen3.8-27B 的微调版本，显著减少了思考令牌数量，同时在 ARC-C 和 ARC-E 等关键 AI 基准测试上超越了其他模型，针对消费级硬件进行了优化。

dealignai released a cybersecurity-focused weight-modified variant of the 753B-parameter GLM-5.3-FP8 model that reduces refusals for offensive-security tasks such as red-teaming, exploit development, and malware analysis while preserving base capabilities and running natively on Hopper GPUs via stock vLLM.

本文描述了Z.ai的GLM-5.3-Flash模型的无审查版本，通过abliteration移除了安全对齐，作为block-FP8检查点发布，用于研究目的。

Nous Research发布gpt4-x-vicuna-13b，这是一个基于超过18万条无审查GPT-4输出训练的Vicuna模型，并计划进一步移除OpenAI的审查。

本文发布未经审查的 Qwen3.8-Flash-Next 模型的 GGUF 量化版本，这是 Qwen4 架构的混合专家模型预览版，专为支持视觉功能的 llama.cpp 设计，需要自定义构建以确保兼容性。

Qwen3.8-27B-Uncensored 是一个拥有270亿参数的AI模型，通过abliteration技术移除了安全对齐，并已在Hugging Face上发布供研究用途，且无内置防护。

本文分享了三个Qwen3.8-27B模型的无审查量化版本，用于本地部署，作者亲自测试并警告谨慎使用。