Qwen3.8-27B-UNCENSORED-GGUF

קוד פתוח

dealignaiapache-2.02026-08-14

gguf
llama.cpp
qwen3_5
hybrid
gated-delta-net

גרסה חסרת מעצורים של מודל מולטי מודלי בגודל 27 מיליארד פרמטרים. מיועדת למי שרוצה ניתוח תמונה, וידאו והסקה מתקדמת בלי סירובים מובנים ובלי צנזורה על בקשות רגישות.

123 GBמשקל הקבצים
41,501הורדות בחודש
65לייקים

מה זה

מדובר בהמרה של Qwen3.8-27B לפורמט GGUF שעברה הסרה כירורגית של מנגנוני הסירוב, מה שמכונה abliteration. הארכיטקטורה משלבת תשומת לב לינארית ומלאה בשישים וארבע שכבות, עם חלון הקשר של 262 אלף טוקנים ותמיכה בהבנת תמונות וסרטוני וידאו בעזרת מקרן ייעודי. הוא שומר על יכולות חשיבה מרובת שלבים, תכנות, ותמיכה בטכנולוגיית חיזוי מרובה טוקנים כדי לזרז דגימה.

בבדיקות מול בנצ׳מרק האבטחה HarmBench-240, המודל ענה באופן מלא וקוהרנטי על מעל 97% מהבקשות הזדוניות, לעומת מודל המקור שסירב לרובן המוחלט. במקביל, מבחני הידע הכללי ב־MMLU מראים פגיעה מזערית של כאחוז עד שניים ברמות הקוונטיזציה הסטנדרטיות, כך שהסרת המעצורים כמעט לא שברה את חוכמת המודל.

מתאים ל

בדיקות חדירה ותקיפה
כתיבת קוד זדוני, ניתוח נקודות תורפה והסוואת מתקפות במסגרת בדיקות חוסן ארגוניות.
מחקר בטיחות מודלים
מדידת עמידות של מנגנוני סינון חיצוניים אל מול טקסט עוקף הגנות שנוצר ללא פילטרים.
ניתוח מדיה לא מסונן
סריקה ותמלול של תמונות ווידאו מקומיים שספקי ענן רגילים עלולים לדחות או לצנזר.

איפה זה נופל

המודל תומך רשמית באנגלית ובסינית בלבד, כך שאינו מתאים לעבודה בעברית. היעדר מנגנוני הבטיחות הופך אותו למסוכן בסביבות פתוחות למשתמשי קצה, שכן הוא יספק ברצון מידע על עבירות סייבר, הפצת דיסאינפורמציה ונושאים רפואיים מסוכנים. נוסף לכך, בגרסת השני ביט המאמץ לשמור על הסרת הסירובים גרם לירידה מורגשת יותר ברמת הדיוק הכללית.

שאלות
נפוצות

האם אפשר להריץ אותו ישירות על מחשב נייד רגיל?

לא מומלץ בלי מעבד גרפי ייעודי חזק. כדי להריץ את הגרסאות המומלצות של 4 ביט תצטרכו כרטיס עם 24 ג׳יגה-בייט זיכרון גרפי, או מחשב מק עם לפחות 32 ג׳יגה-בייט זיכרון מאוחד.

האם המודל שומר על יכולת להסביר את החשיבה שלו?

כן, בלוק החשיבה נשמר ומופעל לפני התשובה הסופית. אפשר לשלוט ברמת המאמץ של ההסקה בין שלוש רמות מוגדרות מראש בהגדרות ההרצה.

האם המודל מתאים ליישומים בעברית?

ממש לא. כרטיס המודל מציין תמיכה ביכולות הבסיס באנגלית ובסינית בלבד, כך שלא כדאי לבנות עליו לעיבוד שפה מקומית.

איך מריצים

ההרצה נעשית ישירות דרך כלי תשתית כמו llama.cpp. המשקלים מגיעים מכוילים בטבלת חשיבות כדי לשמור על יציבות השכבות הרקורסיביות, כאשר קובץ המקרן הנלווה שוקל קצת פחות מג׳יגה-בייט. גרסת Q4_K_M שוקלת 17 ג׳יגה-בייט ומתאימה לכרטיסי מסך ביתיים עם 24 ג׳יגה זיכרון גרפי, בעוד גרסאות דחוסות כמו IQ2_M יורדות עד 10.5 ג׳יגה אבל מאבדות כמעט ארבע נקודות במדד הידע.

אם המטרה היא שימוש שגרתי שאינו כולל בדיקות חדירה או תוכן שספקי ענן מסרבים לעבד, עדיף להשתמש ב־API של מודלים סגורים וחזקים יותר. ההרצה המקומית משתלמת בעיקר כשחייבים פרטיות מלאה או כשרוצים לעקוף חסימות תוכן של ספקים מסחריים.

ollama run hf.co/dealignai/Qwen3.8-27B-UNCENSORED-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

Q8_029.0 GB Q6_K_L23.2 GB Q6_K22.5 GB Q4_K_M17.0 GB IQ4_XS15.5 GB IQ3_M13.0 GB IQ2_M10.5 GB F16931.1 MB

הקבצים

12 קבצים במאגר, 123 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא Apache 2.0. מותר להשתמש בו לצרכים מסחריים, לשנות את הקוד ולהפיץ אותו כחלק ממוצר, כל עוד מצורף עותק של הרישיון המקורי והודעת ייחוס. עם זאת, היוצרים מציינים שהשימוש באחריות המפעיל בלבד ומיועד למחקר ולבדיקות אבטחה מורשות.

שימוש מסחרי
שינוי הקוד
הפצה מחדש
שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗