Ornith-1.5-9B-OBLITERATED

קוד פתוח

OBLITERATUSmit2026-08-27

safetensors
gguf
qwen3_5
abliterated
uncensored

גרסה נטולת מגבלות בטיחות של Ornith 1.5 בגודל 9.7 מיליארד פרמטרים. היא עונה על כמעט כל בקשה בלי לחסום, ומיועדת למי שצריך מודל שלא מסרב בבדיקות אבטחה ומחקר.

9.7Bפרמטרים
262,144טוקנים בהקשר
76.8 GBמשקל הקבצים
183,199הורדות בחודש

מה זה

המודל הזה עבר תהליך הסרה כירורגי של מנגנוני הסירוב המובנים על פני כל 32 שכבות הטרנספורמר שלו. בגרסת המקור של Ornith, בקשות רגישות נחסמות מיד. כאן, שיעור המענה על פרומפטים מוגבלים קפץ ל־94 אחוזים לעומת 12 אחוזים במקור, ובתחום הסייבר הוא עונה על כל הבדיקות שנבחנו. במבחן של אלף פרומפטים, שיעור השחרור מסירובים הגיע ל־98.4 אחוז.

ההתערבות הזו לא באה בחינם, וציון ה־MMLU ירד בארבע נקודות אחוז ל־74.82 לעומת מודל הבסיס. עם זאת, יכולות כתיבת הקוד נשמרו, והמודל שומר על חלון הקשר של 262,144 טוקנים בארכיטקטורת Qwen3.5 היברידית. הוא שונה מגרסאות לא מצונזרות מתחרות בכך שהוא השיג אחוזי היענות גבוהים משמעותית בנושאים חסומים בלי לפגוע בעקביות הטקסט בהקשרים ארוכים.

מתאים ל

בדיקות חדירות וסייבר
הוא מייצר קוד סקריפטים ומנתח תרחישי אבטחה בלי לחסום פרומפטים שנראים כמו תקיפה.
מחקר על מנגנוני סירוב
הוא מאפשר לבחון כיצד הסרת כיווני סירוב בשכבות השונות משפיעה על תשובות המודל.
אפליקציות עם סינון עצמאי
מתאים למי שרוצה לשלוט בבטיחות דרך קוד חיצוני משלו במקום להסתמך על חסימות פנימיות.

איפה זה נופל

המחיר של הסרת החסימות הוא ירידה ביכולות כלליות. היכולת להפעלת כלים וקריאות לפונקציות נפגעה חלקית לעומת המקור, כך שלמשימות סוכנים צריך להלביש עליו שכבת ניהול חיצונית. בכימוס נמוך כמו Q4 ומטה, המודל עלול לחזור להסס או לסרב בשאלות מורכבות. נוסף על כך, בגלל גודלו, תשובות על נושאים מורכבים כמו סינתזה כימית יכללו הזיות ופרטים שגויים, ולכן חובה לאמת כל פלט טכני באופן עצמאי.

שאלות
נפוצות

האם המודל תומך בעברית?

כרטיס המודל מצהיר על תמיכה באנגלית בלבד. הארכיטקטורה עשויה לזהות מילים בעברית, אבל הביצועים לא נבדקו וסביר להניח שאיכות הפלט תהיה נמוכה.

איזו גרסת קובץ כדאי להוריד?

אם יש לכם כרטיס מסך חזק, גרסת Q8_0 ששוקלת 9.1 ג'יגה מומלצת כדי למנוע חזרה של סירובים. אם הזיכרון מוגבל, גרסת Q4_K_M שוקלת 5.4 ג'יגה ומספקת פשרה טובה, אם כי היא עלולה להסס בשאלות קיצון.

למה מומלץ לכבות את מצב החשיבה?

המפתחים מציינים שהפעלת מצב החשיבה עלולה להכניס את המודל ללולאות בלתי נגמרות. בשימוש שוטף עדיף לכבות אותו עם הדגל reasoning off ולקבל תשובה ישירה.

איך מריצים

כדי להריץ את משקלי ה־bf16 המלאים צריך כ־18 ג'יגה זיכרון וידאו, מה שמחייב כרטיס של 24 ג'יגה כמו RTX 3090 או 4090. אם משתמשים בגרסאות מכווצות דרך llama.cpp, קובץ Q4_K_M שוקל 5.4 ג'יגה ורץ בקלות על כרטיסים צנועים עם 8 ג'יגה זיכרון, וקובץ Q8_0 לוקח 9.1 ג'יגה. שימו לב שהיוצרים ממליצים לכבות מפורשות את מצב ה־reasoning כדי למנוע לולאות חשיבה אינסופיות.

הרצה מקומית משתלמת כשאתם בודקים תרחישי אבטחה רגישים שאסור לשלוח לשרתים חיצוניים בגלל פילטרים של ספקים. אם אתם צריכים רק מודל שיחה כללי בלי תוכן מוגבל, עדיף להשתמש ב־API של מודל מסחרי סטנדרטי במקום להתעסק עם ניהול זיכרון ותאימות חומרה.

ollama run hf.co/OBLITERATUS/Ornith-1.5-9B-OBLITERATED: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.

safetensors19.3 GB BF1618.4 GB Q8_09.8 GB Q6_K7.6 GB Q5_K_M6.6 GB Q4_K_M5.8 GB IQ4_XS5.4 GB Q3_K_M4.7 GB Q2_K3.9 GB BF16921.7 MB

הקבצים

25 קבצים במאגר, 76.8 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל מופץ תחת רישיון MIT. זהו רישיון קוד פתוח מתירני מאוד שמאפשר שימוש מסחרי, שינוי קוד, הפצה ושילוב במוצרים סגורים. התנאי היחיד הוא שמירת הודעת זכויות היוצרים והרישיון המקורי בקבצים שלכם.

שימוש מסחרי
שינוי הקוד
הפצה מחדש

הרישיון המלא בעמוד המודל ↗