Rangliste unzensierter Modelle: Was Downloadzahlen tatsächlich messen

Es gibt keine ehrliche Möglichkeit, unzensierte Modelle nach Fähigkeit zu ranken, und jede Rangliste, die behauptet, dies zu tun, rankt stillschweigend etwas anderes — meist Downloadzahlen, die Verbreitung statt Fähigkeit messen. Das hier ist also eine andere Art von Rangliste: ein Provenienz-Register. Für fünfzehn Repositories, die von sechs Basismodellen abstammen — zehn davon auf Qwen3.8-27B, die übrigen auf Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3 und DeepSeek-V4.1-Flash — erfasst es die Basis, aus der die Gewichte stammen, die zur Entfernung des Verweigerungsverhaltens verwendete Ablationsmethode, die Quantisierung, in der die Datei bereitgestellt wird, ob das Repository zugangsbeschränkt ist, und die Downloadzahl mit Stand 2026-10-21. Die Reihenfolge richtet sich nach dem Basismodell, nicht nach dem Score. Wenn Sie eine Zahl wollen, die Ihnen sagt, welches Sie wählen sollen, dann ist die ehrliche Antwort, dass diese Zahl noch nicht existiert — was das Argument ist, das die bestehende Berichterstattung dieses Blogs zu unzensierten Modellen immer wieder vorbringt, und dasselbe Argument, das der Vorfallbericht allgemein zu Fähigkeitsaussagen macht.

Wofür das Ledger wirklich gut ist, ist etwas anderes und Nützlicheres: Es sagt dir, welche Artefakte existieren, wer sie erstellt hat, wie sie erstellt wurden und welche davon tatsächlich abgerufen werden. In dieser letzten Spalte liegen die interessanten Uneinigkeiten.

Was eine Download-Anzahl mechanisch ist

{{1}}Ein Downloadzähler von Hugging Face erhöht sich, wenn eine Datei abgerufen wird{{/1}} – von einer Person, von einem Skript, von einem CI-Job, von einem Mirror, von einer Evaluierungs-Harness, die dieselben Gewichte zum elften Mal zieht. Er ist ein Abrufzähler. Er ist kein Nutzerzähler, kein Installationszähler und kein Qualitätssignal. Ein Repository, das ein 20-GB-GGUF bereitstellt, das Leute nach jedem fehlgeschlagenen Versuch erneut herunterladen, wird mehr Abrufe ansammeln als ein besseres Repository, das eine 4-GB-Quantisierung bereitstellt, die Leute einmal abrufen.

Daraus folgen zwei strukturelle Verzerrungen, und sie erklären den größten Teil der unten gezeigten Streuung. Erstens treibt die Quantisierung die Abrufe: Ein GGUF-Repository, das acht Quantisierungsstufen anbietet, wird für diejenige Stufe abgerufen, die der VRAM des Nutzers zulässt, und die beliebten Stufen werden beim Experimentieren immer wieder abgerufen. Zweitens bestimmt das Dateiformat, wer es überhaupt nutzen kann: Ein nicht quantisierter safetensors-Build ist nur für jemanden nutzbar, der über das Speicherbudget für volle Präzision verfügt, daher wird seine Downloadzahl durch die Hardware statt durch das Interesse gedeckelt. Deshalb wird das GGUF desselben Modells fast immer um eine Größenordnung häufiger heruntergeladen als seine Full-Precision-Version, und deshalb ist es ein Kategorienfehler, diese Lücke als Qualitätsurteil zu lesen.

Eine Basis, neun Derivate, eine sechzigfache Spanne

Der Qwen3.8-27B-Cluster ist das sauberste natürliche Experiment in der Stichprobe: neun Repositories auf der unten stehenden Karte, die alle auf dieselbe 27B-Basis zurückgehen, alle dasselbe Ziel verfolgen – das Entfernen von Verweigerungsverhalten – und Downloadzahlen aufweisen, die sich enorm unterscheiden.

Die Top drei – JonathanColetti mit 2,58 M, huihui-ais abliterated GGUF mit 2,43 M, HauhauCS' aggressiver MTP-Build mit 2,36 M – liegen innerhalb von neun Prozent voneinander und wurden alle im selben viertägigen Zeitfenster Mitte August 2026 erstellt. Diese Häufung ist kein Zufall und kein Ranking: Sie zeigt, wie ein Modell-Release aussieht, wenn mehrere Derivate-Ersteller innerhalb einer Woche auf derselben Basis aufsetzen, jeder mit einem etwas anderen Rezept.

Vergleiche die Artefakte statt der Zahlen. JonathanColetti, huihui-ai und 0bserverx beschreiben alle einen Eingriff zur Entfernung von Verweigerungen auf derselben Basis. DavidAUs Eintrag ist eine Zusammenführung – ein Fine-Tuning, das auf einem Fine-Tuning aufsetzt, mit einer Kette von Modifikatoren im Repository-Namen, die auf eine frühere Ableitung statt auf die ursprüngliche Basis zurückgeht. HauhauCS' Build wirbt mit MTP, Multi-Token-Vorhersage, was eher eine Geschwindigkeits- als eine Zensur-Eigenschaft ist. Das sind vier verschiedene Klassen von Artefakten, die in einer Liste stehen, weil sie ein gemeinsames Elternmodell haben. Downloadzahlen unterscheiden sie nicht, und eine Bestenliste, die nach Anzahl sortieren würde, würde die Zusammenführung auf den vierten Platz setzen und sie als schlechtere Abliteration bezeichnen.

Likes und Downloads weichen um mehr als das Zwanzigfache voneinander ab

Hugging Face erfasst auch Likes, und das Verhältnis zwischen den beiden Zählern ist die aussagekräftigste abgeleitete Zahl in der Stichprobe. Der eigene FP8-Build der Organisation hat 1.832 Likes bei 126.807 Downloads – ungefähr ein Like pro 69 Downloads. JonathanColettis Build, mit einer zwanzigmal größeren Downloadzahl, hat 1.651 Likes: etwa ein Like pro 1.560 Downloads.

Diese Lücke bedeutet nicht, dass ein Repository geliebt und ein anderes ignoriert wird. Sie besagt, dass die beiden Zähler unterschiedliche Populationen messen. Downloads skalieren mit der Anzahl der Maschinen, die die Datei haben wollen; Likes skalieren mit der Anzahl der Hugging-Face-Konten, die durch die Seite gegangen sind. Ein Repository, das von Inferenz-Anbietern, Harnesses und CI-Jobs stark genutzt wird, zeigt eine Download-Zahl, die in keinem Verhältnis zu jeglicher menschlicher Interaktion steht, weil sein Traffic überwiegend nicht von Menschen stammt. Lies das Verhältnis, bevor du die Zahl liest: Ein hohes Verhältnis von Downloads zu Likes ist ein Signal dafür, dass das Artefakt zu Infrastruktur geworden ist, und Infrastruktur-Traffic sagt dir nichts darüber, ob das Modell etwas taugt.

Gating verändert, was die Zahl bedeutet.

Vier der fünfzehn Repositories sind zugangsbeschränkt, und die Beschränkung ist ein Provenienzfeld statt einer Verfügbarkeitsfußnote. Ein zugangsbeschränktes Repository zählt weiterhin Downloads, aber nur von Konten, die seinen Bedingungen zugestimmt haben, sodass seine Zahl durch eine Zugriffspopulation statt durch Interesse begrenzt wird. Die Downloads eines zugangsbeschränkten Repository mit denen eines nicht zugangsbeschränkten zu vergleichen, heißt zwei verschiedene Nenner zu vergleichen.

Der klarste Fall in der Stichprobe ist das Cybersecurity-Derivat, das auf einem unzensierten 27B-Modell aufbaut: 28.009 Downloads, zugangsbeschränkt, erstellt am 26.09.2026. Es ist das neueste Repository im Register und das am zweitwenigsten heruntergeladene; keine der beiden Tatsachen ist ein Beleg für seine Leistungsfähigkeit. Es war für die Nutzergruppe, die Downloadvolumen erzeugt, einfach nicht erreichbar, weil der Zugang einen Antrag erfordert.

Dieses Muster lässt sich verallgemeinern, und deshalb sind die Gated-Spalten für alle, die Due Diligence betreiben, wichtiger als die Count-Spalte. Drei der fünfzehn – die FP8- und GGUF-Builds des 27B und das Flash-Next-GGUF – sind nur nach automatischer Freigabe zugänglich; der Rest ist offen. Ein nicht zugangsbeschränktes unzensiertes Modell mit hoher Count-Zahl hat eine große Basis von Gelegenheitsnutzern. Ein zugangsbeschränktes mit niedriger Count-Zahl kann genau das sein, wonach ein Sicherheitsteam sucht, und seine Downloadzahl wird das nie verraten.

Was die anderen vier Basen im Hauptbuch zeigen

Erweitert man den Rahmen, wird die Zählspalte noch weniger interpretierbar, weil die Stichprobe nicht homogen ist.

• Qwen-Image-2.1, quantisiert, 2.788.283 Downloads. Das größte Repository im Register ist ein Bildmodell. Es ist kein unzensiertes Sprachmodell, und sein Vorhandensein erinnert daran, dass das Wort „unzensiert“ inzwischen eine Tagging-Konvention ist, die modalitätsübergreifend angewendet wird – ganz gleich, um welches Artefakt es sich tatsächlich handelt.

• Qwen3.8-Flash-Next, GGUF, 869.081 Downloads, zugriffsbeschränkt. Eine kleinere Basis, deren Derivate echte Reichweite erlangt haben, aber nur ein Bruchteil des 27B-Clusters.

• GLM-5.3, FP8, 103.568 Downloads. Als Cybersecurity-Build statt als unzensierte Version gekennzeichnet, auf einer anderen Basis-Familie aufgebaut. Andere Absicht, verwandte Zielgruppe.

• DeepSeek-V4.1-Flash, FP8, 52,502 Downloads. Ein Repository, kein GGUF-Pendant, kein MLX-Pendant. Die Downloadzahl spiegelt ein einziges Serving-Format wider und damit eine engere Hardware-Zielgruppe.

Vier Grundlagen, vier unterschiedliche Erklärungen für dieselbe Spalte. Jede Rangliste, die sie in einer einzigen sortierten Liste vermischt, erzeugt eine Zahl, deren Bedeutung sich von Zeile zu Zeile ändert.

Wie man ein Hauptbuch ohne Punktzahlen liest

Die Lesedisziplin ist kurz, und es ist dieselbe, die man auf jeden Provenienznachweis anwenden würde.

• Beginne mit der Basis. Zwei Repositories, deren übergeordnete Repositories unterschiedlich sind, sind nicht vergleichbar, egal wie ähnlich ihre Namen sind. Beachte, dass das übergeordnete Repository des DavidAU-Eintrags ein anderes Derivat ist, nicht das Originalmodell.

• Dann die Methode. Abliteration, Merge, MTP-tuned, nur Quantisierung. Die erste ändert das Verhalten, indem sie eine Richtung aus den Gewichten entfernt; die zweite ändert das Verhalten durch Mischen von Gewichten; die dritte ändert die Geschwindigkeit; die vierte ändert überhaupt nichts am Verhalten.

• Dann das Format. GGUF für lokale Inferenz über verschiedene Speicherbudgets hinweg, FP8 für das Serving im Rechenzentrum, MLX für Apple Silicon, unquantisiert als Referenz und für weiteres Training. Das Format sagt das Downloadvolumen stärker voraus als die Qualität.

• Dann das Gate. Offen, automatische Freigabe oder eingeschränkt. Dies ist das Feld, das am häufigsten eine anomal niedrige Zahl erklärt.

• Zuletzt die Anzahl – und nur als Vergleich innerhalb desselben Formats.Die Downloads eines GGUF mit denen eines anderen GGUF zu vergleichen, ist vertretbar. Ein GGUF mit einem FP8-Build zu vergleichen, heißt zwei Verteilungen zu vergleichen.

Wo das Register überhaupt nicht weiterhelfen kann, ist die Frage, die sich alle tatsächlich stellen: Welches von ihnen verhält sich am besten, sobald die Verweigerungen weg sind. Das erfordert, sie laufen zu lassen, und die ehrliche Einordnung dafür, sie laufen zu lassen, ist die, die dieser Blog schon früher verwendet hat – Abliteration entfernt ein Verhalten, ohne Wissen hinzuzufügen, sodass ein kleineres ablitiertes Modell immer noch nicht leisten kann, was ein größeres Basismodell nicht leisten konnte.

Wenn Sie lieber eines anrufen möchten, anstatt eines herunterzuladen

Der Großteil des Ledgers dreht sich um lokale Artefakte. Die andere Möglichkeit, diese Kategorie zu nutzen, führt über eine API, und der Einstiegspunkt, den man kennen sollte, ist die Qwen3.8 27B-Modellseite: 262K-Token-Kontext, Text- sowie Bild- und Videoeingabe, bereitgestellt in Block-FP8, wobei der Vision-Tower in voller Präzision bleibt, zu 0,40 US-Dollar pro Million Eingabe-Tokens und 4,21 US-Dollar pro Million Ausgabe-Tokens. Die veröffentlichte Sieben-Tage-Traffic-Zahl beträgt 645,2 Millionen Tokens – das ist auf der Seite das, was einem Nachfragesignal am nächsten kommt –, und beachten Sie, dass es sich um eine Tokenanzahl handelt, nicht um eine Downloadanzahl, was sie zu einer völlig anderen Messgröße macht.

Seien Sie präzise dabei, was diese Seite ist und was nicht. Sie ist ein gehostetes 27B-Modell unter dem Anbieter-Slug obsidian und wird pro Token auf demselben Gateway wie alles andere bepreist. Sie ist nicht dasselbe Artefakt wie irgendein Repository im oben stehenden Register: Die Organisation veröffentlicht außerdem einen unzensierten FP8-Build auf Hugging Face, eine herunterladbare Datei mit einer Downloadzahl von 126.807, während das bereitgestellte Modell ein Deployment mit einer Tokenanzahl ist. Die eine Zahl misst Abrufe; die andere misst Aufrufe. Keine von beiden ist ein Fähigkeitswert, und keine von beiden ersetzt das Testen des Verhaltens, das Ihnen wichtig ist.

Das ist das ganze Argument einer Rangliste ohne Punktzahlen. Downloads verraten, was Leute heruntergeladen haben. Likes verraten, wer auf der Seite vorbeigekommen ist. Zugangsschranken verraten, wer überhaupt herunterladen durfte. Provenienz verrät, was man tatsächlich bekommt. Es fehlt nur das Eine, das alle wollen – und solange niemand eine reproduzierbare Evaluierung dieser Artefakte auf den Aufgaben veröffentlicht, für die sie angeblich gedacht sind, wäre eine Rangliste eine Erfindung, die sich als Messung ausgibt.