Qwen بدون رقابة، شرح: كيفية تشغيل Qwen3.8-27B-FP8 المُعدَّل

Qwen غير الخاضع للرقابة على Hugging Face يعني دائمًا تقريبًا الإبليتيشن — أي إزالة اتجاه الرفض من التدفق المتبقي للنموذج — والبناء الذي يجب البدء به هو Qwen3.8-27B-Uncensored-FP8، الذي صدر على Hugging Face في 15 أغسطس 2026. وهو بناء مُخضع للإبليتيشن من Qwen3.8-27B بتقنية FP8 الكتلية، ويعمل على نفس مسار نواة vLLM تمامًا مثل الإصدار الرسمي FP8، مع بقاء سياق 262K وبرج الرؤية ورأس فك الترميز التخميني MTP سليمة — وقد حصد 257 إعجابًا و4,285 تنزيلًا في يومه الأول. إنها أداة بحثية وليست روبوت محادثة: لا حواجز أمان مدمجة، ومرخصة بموجب Apache 2.0، وستمتثل للطلبات التي يرفضها النموذج الأساسي. يغطي هذا الدليل ما غيّرته الإبليتيشن فعلًا، وكيفية سحب ملفات الأوزان البالغ حجمها 30.9 جيجابايت من Hugging Face، وكيفية تشغيل النموذج باستخدام vLLM أو SGLang أو Transformers، وما يمكن تشغيله عليه لأغراض بحثية مشروعة.

ما معنى "qwen uncensored" في الواقع

Abliteration هي تدخل على مستوى الأوزان، وليس ضبطًا دقيقًا. اتجاه الرفض هو متجه في الدفق المتبقي للنموذج، وعند تفعيله ينتج عبارة "لا أستطيع المساعدة في ذلك"؛ تجد Abliteration هذا الاتجاه وتقوم بتعامده خارج الأوزان. في هذا الإصدار، تم تطبيق الإزالة على 131 مصفوفة لكتابة الدفق المتبقي (الطريقة من Arditi وآخرون 2024، "الرفض في نماذج اللغة يتم بواسطة اتجاه واحد")، وأعيد تكميم النتيجة لتطابق مخطط Qwen3.8-27B-FP8 الرسمي بايت ببايت بحيث يقدمه vLLM عبر نفس مسار نواة FP8. لم يتم تدريب أي أوزان جديدة.

هذا التمييز مهم لأن النتائج الأولى لـ "qwen uncensored" تخلط بين ثلاثة أشياء مختلفة: تعديلات أوزان abliterated مثل هذا، وحزم "uncensored packs" القائمة على تعليمات النظام والتي تخفي الرفض فقط على مستوى الموجه، وضبط LoRA الدقيق المدرب دون بيانات أمان. إنها ليست متكافئة، ومعظم الصفحات التي تتصدر نتائج هذا الاستعلام لا توضح أي فئة تصفها. إذا أردت دراسة آلية الرفض نفسها، فإن التدخل على مستوى الأوزان هو الشيء الحقيقي الوحيد.

ما الذي فعلته إزالة الرفض فعليًا — الأرقام

بطاقة النموذج تنشر مجموعة تقييم السلامة، تم تشغيلها على النموذج المُقدَّم عبر vLLM وتاريخها 15 أغسطس 2026. مع إيقاف التفكير، ينهار معدل الرفض عبر سبعة معايير للاستعلامات الضارة من 64–99% على النموذج الأساسي إلى 0–6% في هذا الإصدار: AdvBench من 99.0% إلى 0.0%، JailbreakBench من 94.0% إلى 0.0%، StrongREJECT من 97.3% إلى 2.0%، HarmBench من 98.7% إلى 2.7%، MaliciousInstruct من 99.0% إلى 0.0%، SimpleSafetyTests من 64.0% إلى 6.0%، ForbiddenQuestions من 73.3% إلى 4.7%. مع تشغيل التفكير، يرفض النموذج تقريبًا أبدًا — 1.7% أو أقل. رقم آخر ملحوظ هو معدل التحفظ: 30–50% من الإجابات "غير الخاضعة للرقابة" لا تزال تسبق بإخلاء مسؤولية قصير قبل الإجابة؛ هذا أثر تدريبي وليس رفضًا.

الجانب الآخر هو ما لم يتغير. انخفض معدل الرفض المفرط للطلبات الحميدة من 5.6% إلى 0.4% في XSTest-safe، وبقيت جميع معايير القدرات ضمن ±1.3 نقطة من خط الأساس: MMLU من 84.3% إلى 84.7%، وGSM8K من 90.0% إلى 88.7%، وMMLU-Pro من 77.6% إلى 76.8%، وCMMLU من 81.4% إلى 80.8%. بلغت perplexity في WikiText-2 ‏6.96. بعبارة أخرى، أزال التدخل سلوك الرفض دون إضعاف النموذج بشكل ملحوظ.

كيفية سحبه من Hugging Face

المستودع هو orcarouter/Qwen3.8-27B-Uncensored-FP8، وهو مقيد الوصول: تسجّل الدخول بحساب Hugging Face وتقبل الشروط قبل تنزيل الملفات — والقيود نفسها هي إخلاء المسؤولية، لأن قراءة ملف README جزء من قبول ما هو هذا النموذج. ما تقوم بتنزيله هو 30.9 غيغابايت موزّعة على سبعة أجزاء safetensors (1,606 موترًا) بصيغة block-FP8 (E4M3، كتل 128×128، تفعيلات ديناميكية)، مع إبقاء برج الرؤية، والمُطبِّعات، والتضمينات، وlm_head بصيغة BF16. الترخيص هو Apache 2.0، موروث من النموذج الأساسي Qwen/Qwen3.8-27B. لا يستضيفه أي مزوّد استدلال من Hugging Face — بل تشغّله بنفسك، أو تستخدم بطاقة مستضافة.

كيفية تشغيله

تبلغ الأوزان حوالي 31 غيغابايت — أي ما يقارب نصف حجم checkpoint بصيغة BF16 (~56 غيغابايت) — وتوصي البطاقة ببطاقة H100 واحدة بسعة 80GB أو H200 بسعة 143GB، مع ~40 غيغابايت من VRAM كحد أدنى عملي للأوزان بالإضافة إلى ذاكرة KV cache صغيرة. يتطلب السياق الكامل بطول 262K مساحة أكبر، لكن استخدام FP8 KV cache يخفض ذلك إلى النصف. الإعداد الذي تحققت منه البطاقة كان H200 واحدة مع --max-num-seqs 96، مع تفعيل FP8 KV cache و MTP.

vLLM هو المسار المقصود، وهو أمر واحد، لأن مخطط FP8 يطابق البناء الرسمي تماماً:

vllm serve "orcarouter/Qwen3.8-27B-Uncensored-FP8"

يمنحك ذلك نقطة نهاية متوافقة مع OpenAI على localhost:8000/v1/chat/completions. المكافئ عبر Docker هو docker model run hf.co/orcarouter/Qwen3.8-27B-Uncensored-FP8. للإعداد الكامل، تقترح بطاقة النموذج: --language-model-only لخدمة النصوص فقط، و--speculative-config '{"method":"mtp","num_speculative_tokens":3}' لتفعيل رأس فك الترميز التخميني MTP، و--kv-cache-dtype fp8، و--max-model-len 262144، و--reasoning-parser qwen3، و--enable-auto-tool-choice --tool-call-parser qwen3_coder لاستدعاء الأدوات. لا تمرر --quantization fp8 — فمخطط التكميم يُقرأ من config.json. احذف --kv-cache-dtype fp8 إذا أردت ذاكرة تخزين مؤقت KV من نوع BF16، واحذف --language-model-only إذا كنت بحاجة إلى برج الرؤية.

بالنسبة إلى SGLang: python3 -m sglang.launch_server --model-path "orcarouter/Qwen3.8-27B-Uncensored-FP8" --host 0.0.0.0 --port 30000. أما بالنسبة إلى Transformers، فتوثق البطاقة كلًّا من واجهة برمجة التطبيقات pipeline — pipeline("image-text-to-text", model="orcarouter/Qwen3.8-27B-Uncensored-FP8") — و AutoProcessor.from_pretrained(...) بالإضافة إلى AutoModelForMultimodalLM.from_pretrained(..., device_map="auto").

ما الذي يجب فعله به فعليًا في البحث

الهدف من نموذج إزالة الرفض هو أن يكون موضوعًا للدراسة، وهذا الإصدار سهل الدراسة بشكل غير عادي لأن تدخّله موثّق. ثلاثة مشاريع بحثية ملموسة ومشروعة:

• أعد إنتاج فارق الرفض. قم بتشغيل AdvBench وHarmBench وStrongREJECT أو XSTest-safe ضد كل من البنية abliterated وFP8 الأساسية، وتأكد من أرقام البطاقة: من 64–99% إلى 0–6% على المطالبات الضارة، ومن 5.6% إلى 0.4% في الرفض المفرط على المطالبات الحميدة. هذا الزوج قبل/بعد هو بالضبط القياس الذي يحتاج فريق الأمان لمعرفة ما إذا كانت طريقة إزالة الرفض تعمل وما تكلفته.

• ادرس أين يسكن الرفض. نظرًا لأن ملف البناء يوثّق المصفوفات الـ131 التي تم تعامدها، يمكنك مقارنة اتجاهات التدفق المتبقي مع الأساس ومعرفة ما غيّره التدخل. النتيجة المتعلقة بتفعيل التفكير مفيدة هنا: ينخفض الرفض إلى 1.7% أو أقل عند تفعيل التفكير، وهذا دليل على أن مسار الاستدلال هو المكان الذي يكون فيه الاتجاه أكثر تأثيرًا.

• قيّم الحاجز الوقائي الخاص بك. إن خط الأساس بدون حاجز وقائي هو عنصر التحكم الصحيح لاختبار طبقة التعديل. شغّل عامل التصفية لديك على مخرجات هذا النموذج وقِس ما يلتقطه — وبهذه الطريقة يمكنك قياس طبقة الأمان التي تضيفها في الأعلى.

عندما يكون هذا النموذج هو الإجابة الخاطئة

إذا كنت تريد مساعدًا عاديًا، أو أي شيء ستضعه أمام المستخدمين النهائيين، فهذا هو النموذج الخاطئ — فهو لا يملك حواجز حماية مدمجة ذات معنى، وسيلبي طلبات يرفضها النموذج الأساسي، كما أن ترخيص Apache 2.0 لا ينقل مسؤوليتك القانونية إلى جهة أخرى. استخدم النموذج الأصلي المُحاذى Qwen3.8-27B بدلاً من ذلك. وإذا كنت تريد صرف الطلبات المرفوضة في روبوت محادثة، فإن حزمة مطالبات النظام تحقق نتائج أكثر بمخاطر أقل من تعديل الأوزان. وإذا لم تتوفر لديك بطاقة بسعة ~40 جيجابايت ولكنك ما زلت تريد دراسة النموذج، فإن البطاقة المستضافة obsidian/Qwen3.8-27B على OrcaRouter تقدّم نفس خط 27B غير المُقيّد بسعر 0.40$ لكل مليون رمز إدخال و4.21$ لكل مليون رمز إخراج، مع نفس سياق 262K — وهي مقيّدة بالوصول لباحثي الأمن والسلامة في الذكاء الاصطناعي، وقرار الرقابة ما زال يقع على عاتقك.

حدود الأمان — اقرأ هذا قبل التنزيل

خضع هذا النموذج لإزالة جوهرية لمواءمة السلامة. سيلبي الطلبات الضارة وغير الأخلاقية والمسيئة أو غير القانونية التي كان النموذج الأصلي Qwen3.8-27B يرفضها، ولا يحتوي على أي حواجز حماية مدمجة تُذكر. صدر حصريًا للأبحاث المشروعة — تفسير النماذج، ودراسة سلامة الذكاء الاصطناعي وآليات الرفض، واختبارات الفريق الأحمر، وتقييم المتانة، والتجارب المضبوطة. أنت تتحمل المسؤولية الكاملة والتبعة القانونية عن استخدامك له وعن كل ما يولّده، ويجب ألا تنشره للمستخدمين النهائيين أو في بيئة الإنتاج دون إضافة طبقات الحماية والاعتدال ومنع إساءة الاستخدام الخاصة بك. لا يتحمل المؤلفون أي مسؤولية عن إساءة الاستخدام. تنزيل المستودع يعني قبولك لهذه الشروط؛ والترخيص هو Apache 2.0.

لا تحتوي هذه المقالة عمدًا على أي مطالبات ضارة. أرقام الرفض أعلاه مأخوذة من مجموعة تقييم السلامة الخاصة ببطاقة النموذج، وهي الطريقة الصحيحة لقياس نموذج من هذه الفئة: شغّل معايير الرفض القياسية، واقرأ الأرقام، وصمّم بحثك بناءً على ما تظهره.

خلاصة القول

«Qwen uncensored» هو بحثٌ عن تقنية، والنسخة التي يجب تجربتها أولًا هي Qwen3.8-27B-Uncensored-FP8: البناء الوحيد من Qwen3.8 الذي أُزيل منه الرفض، ويعمل على مسار نواة FP8 الرسمي في vLLM مع سياق 262K ورؤية وMTP محفوظة، مدعومًا بتقييم منشور قبل/بعد. نزّل ملف 30.9 GB المقيد من Hugging Face، واخدمه عبر vLLM على H100 أو H200 واحد، واستخدمه لما صُنع من أجله — قياس حالات الرفض، ودراسة آلية الرفض، واختبار الضوابط الوقائية. لا تستخدمه كروبوت محادثة، ولا تطلقه للمستخدمين النهائيين. الأوزان مجانية؛ والمسؤولية عمّا تفعله بها تقع عليك وحدك بالكامل.

للأبحاث المشروعة، الأوزان متوفرة على Hugging Face: تنزيل من Hugging Face