GPT
הוספת כלי
H

Huihui-Qwen3-Coder-30B-A3B-Instruct-abliterated

קוד פתוח

huihui-aiapache-2.02025-08-02

  • transformers
  • safetensors
  • qwen3_moe
  • text-generation
  • abliterated

גרסה נטולת סירובים למודל קוד מבוסס תערובת מומחים. מי שבוחר בו מחפש כתיבת סקריפטים ופתרון בעיות תוכנה בלי מעצורי בטיחות שמסרבים לבקשות לגיטימיות.

  • 31Bפרמטרים
  • 262,144טוקנים בהקשר
  • 56.9 GBמשקל הקבצים
  • 7,431הורדות בחודש

מה זה

מדובר במודל שמבוסס על הארכיטקטורה של Qwen3 עם תערובת מומחים, שעבר תהליך הסרת סירובים מכוון. היוצרים לקחו את מודל הבסיס וניטרלו את מנגנוני הבטיחות שגורמים לו לעצור כשהוא מזהה פקודות רגישות. התוצאה היא כלי שמיועד לענות על כל הנחיה טכנית בלי להתווכח, בעיקר באנגלית.

ההבדל העיקרי בינו לבין מודלים אחרים בגזרת הגודל הזו הוא היעדר הסינון המובנה. כרטיס המודל לא מציג מבחני ביצועים מספריים או השוואות בנצ'מרק, אלא מתמקד בעצם היותו הוכחת היתכנות מהירה להסרת סירובים ישירות דרך ספריית שנאים, מה שאומר שהביצועים הטכניים שלו נשענים לחלוטין על מודל המקור.

מתאים ל

  • בדיקות חדירות ואבטחה

    כתיבת סקריפטים של בדיקות אבטחה שמודלים רגילים נוטים לחסום בגלל זיהוי שגוי של קוד זדוני.

  • ניפוח וניתוח קוד מקומי

    הרצה מקומית על שרתי פיתוח לבדיקת קוד פנימי רגיש ללא תלות ברשתות חיצוניות או סינונים.

  • מחקר על הסרת סירובים

    בחינת ההשפעה של טכניקות אבלציה על התנהגות מודלים מבוססי תערובת מומחים.

איפה זה נופל

היוצרים מגדירים את המודל כהוכחת היתכנות גולמית, ומזהירים במפורש מפני פלט רגיש, בעייתי או לא חוקי. אין כאן שום שכבת בטיחות מובנית. בנוסף, לא פורסמו נתוני דיוק ספציפיים אחרי תהליך ההפשטה, כך שקשה לדעת מראש אם יכולות הקוד נפגעו בדרך.

המודל מוגדר עבור השפה האנגלית בלבד, ולכן בדיקות בעברית או במשימות שאינן פיתוח תוכנה עלולות להניב תוצאות שבורות. שילוב ישיר במערכות שפונות למשתמשי קצה ללא סינון ידני מוגדר בכרטיס כסיכון ממשי.

שאלות
נפוצות

האם המודל הזה בטוח לשימוש במוצר שפונה ללקוחות?

לא. כרטיס המודל מזהיר מפורשות מפני שימוש בסביבת ייצור פתוחה, מכיוון שכל מנגנוני הסינון נוטרלו לחלוטין. אם בכל זאת מחברים אותו למוצר, חובה ליישם שכבת בקרה וסינון חיצונית משלכם.

איך אפשר להריץ אותו במחשב מקומי בלי שרת ייעודי?

הדרך הפשוטה ביותר היא להשתמש בפקודת אולמה ישירות עם המזהה שפורסם. זה חוסך את הצורך לנהל עשרות קבצים ידנית ומאפשר הרצה מקומית על חומרה מתאימה.

איך מריצים

כדי להריץ אותו במשקל המקורי שלו, נדרשים כמעט 57 גיגה בייט של זיכרון כרטיס מסך, מה שמחייב חומרה מקצועית כמו שרת עם כמה כרטיסים ייעודיים. מי שרוצה בדיקה מקומית ומהירה יכול למשוך אותו דרך אולמה, שם אפשר להשתמש בגרסאות מכווצות שמתאימות למחשבים אישיים חזקים.

אם אין לכם תחנת עבודה ייעודית או שרת פרטי, הרצה עצמאית של מודל כזה תהיה יקרה וכבדה מדי. במקרים כאלה עדיף לפנות למודלים סגורים דרך ממשקי רשת, אלא אם ביטול הסירובים הוא דרישה מוחלטת שאי אפשר להתפשר עליה.

from transformers import pipeline

pipe = pipeline("text-generation", model="huihui-ai/Huihui-Qwen3-Coder-30B-A3B-Instruct-abliterated")
print(pipe("שלום"))

הקבצים

28 קבצים במאגר, 56.9 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ תחת רישיון אפאצ'י 2.0. הרישיון הזה מתיר שימוש מסחרי, שינוי של הקוד והפצה מחדש, בתנאי ששומרים על הודעות זכויות היוצרים ומצרפים עותק של הרישיון המקורי. אפשר לשלב אותו במוצרים פנימיים או מסחריים בלי לשלם תמלוגים, אך האחריות המשפטית על הפלטים חלה עליכם.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗