Papan Peringkat Model Tanpa Sensor: Apa yang Sebenarnya Diukur oleh Jumlah Unduhan

Tidak ada cara yang jujur untuk memberi peringkat model tanpa sensor berdasarkan kemampuannya, dan setiap papan peringkat yang mengklaim melakukannya sebenarnya diam-diam memberi peringkat pada hal lain — biasanya jumlah unduhan, yang mengukur distribusi, bukan kemampuan. Jadi ini adalah jenis papan peringkat yang berbeda: sebuah buku besar provenans. Untuk lima belas repositori yang berasal dari enam model dasar — sepuluh di antaranya dibangun di atas Qwen3.8-27B, sisanya di atas Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3, dan DeepSeek-V4.1-Flash — catatan ini mendokumentasikan model dasar asal bobot tersebut, metode ablasi yang dipakai untuk menghilangkan perilaku penolakan, kuantisasi yang digunakan untuk menyajikan berkasnya, apakah repositori itu dibatasi aksesnya (gated), dan jumlah unduhan per 2026-10-21. Urutannya berdasarkan model dasar, bukan berdasarkan skor. Jika Anda menginginkan sebuah angka yang memberi tahu mana yang harus dipilih, jawaban jujurnya adalah angka itu belum ada — yang merupakan argumen yang terus disampaikan oleh liputan model tanpa sensor di blog ini, dan argumen yang sama yang diajukan oleh catatan insiden mengenai klaim kemampuan secara umum.

Yang benar-benar menjadi kegunaan ledger adalah hal yang berbeda dan lebih berguna: ledger memberi tahu artefak mana yang ada, siapa yang membuatnya, bagaimana artefak itu dibuat, dan mana yang benar-benar di-pull. Di kolom terakhir itulah ketidaksepakatan yang menarik muncul.

Apa itu jumlah unduhan, secara mekanis

Jumlah unduhan Hugging Face bertambah ketika sebuah file diambil — oleh seseorang, oleh skrip, oleh job CI, oleh mirror, oleh harness evaluasi yang menarik bobot yang sama untuk kesebelas kalinya. Itu adalah penghitung pengambilan file. Itu bukan jumlah pengguna, bukan jumlah pemasangan, dan bukan sinyal kualitas. Sebuah repositori yang menyajikan GGUF 20 GB yang diunduh ulang orang setelah setiap percobaan gagal akan mengumpulkan lebih banyak pengambilan file daripada repositori yang lebih baik yang menyajikan kuantisasi 4 GB yang diambil orang sekali saja.

Berikut dua bias struktural, dan keduanya menjelaskan sebagian besar sebaran di bawah ini. Pertama, kuantisasi mendorong pengunduhan: repositori GGUF yang menyediakan delapan tingkat kuantisasi akan diunduh untuk tingkat mana pun yang memungkinkan oleh VRAM pengguna, dan tingkat yang populer diunduh berulang kali seiring orang bereksperimen. Kedua, format file menentukan siapa yang dapat menggunakannya sama sekali: build safetensors tanpa kuantisasi hanya dapat digunakan oleh seseorang dengan anggaran memori presisi penuh, sehingga jumlah unduhannya dibatasi oleh perangkat keras, bukan oleh minat. Itulah sebabnya GGUF dari model yang sama hampir selalu mengungguli rilis presisi penuhnya dalam jumlah unduhan dengan selisih satu orde besaran, dan mengapa membaca selisih itu sebagai putusan kualitas adalah kesalahan kategori.

Satu basis, sembilan turunan, rentang enam puluh kali

Kluster Qwen3.8-27B adalah eksperimen alami paling bersih dalam sampel: sembilan repositori pada kartu di bawah ini, semuanya bermuara pada basis 27B yang sama, semuanya menyatakan tujuan yang sama untuk menghilangkan perilaku penolakan, dan memiliki jumlah unduhan yang sangat berbeda.

Tiga teratas — JonathanColetti dengan 2.58M, GGUF abliterated milik huihui-ai dengan 2.43M, build MTP agresif milik HauhauCS dengan 2.36M — berada dalam selisih sembilan persen satu sama lain dan semuanya dibuat dalam jendela empat hari yang sama pada pertengahan Agustus 2026. Pengelompokan itu bukan kebetulan dan bukan peringkat: itulah tampilan sebuah rilis model ketika beberapa pembuat turunan menggarap basis yang sama dalam waktu seminggu, masing-masing dengan resep yang sedikit berbeda.

Bandingkan artefaknya, bukan jumlahnya. JonathanColetti, huihui-ai dan 0bserverx semuanya menggambarkan edit penghapusan penolakan terhadap basis yang sama. DavidAU memiliki entri berupa merge — sebuah fine-tune yang ditumpuk di atas fine-tune, dengan rantai modifier dalam nama repositori yang menelusuri kembali ke turunan sebelumnya alih-alih ke basis aslinya. HauhauCS memiliki build yang mengiklankan MTP, prediksi multi-token, yang merupakan properti kecepatan, bukan properti penyensoran. Itu adalah empat kelas artefak berbeda yang berada dalam satu daftar karena memiliki induk yang sama. Jumlah unduhan tidak membedakan mereka, dan papan peringkat yang diurutkan berdasarkan jumlah akan menempatkan merge itu di urutan keempat dan menyebutnya abliterasi yang lebih buruk.

Suka dan unduhan berbeda lebih dari dua puluh kali lipat

Hugging Face juga mencatat likes, dan rasio antara kedua penghitung tersebut adalah angka turunan yang paling informatif dalam sampel. Build FP8 milik organisasi ini memiliki 1.832 likes dibandingkan 126.807 unduhan — kira-kira satu like per 69 unduhan. Build milik JonathanColetti, dengan jumlah unduhan dua puluh kali lebih besar, memiliki 1.651 likes: sekitar satu like per 1.560 unduhan.

Kesenjangan itu bukanlah tanda satu repositori dicintai dan yang lain diabaikan. Itu menunjukkan bahwa kedua penghitung tersebut mengukur populasi yang berbeda. Jumlah unduhan berskala dengan jumlah mesin yang menginginkan berkas tersebut; jumlah suka berskala dengan jumlah akun Hugging Face yang mampir ke halaman itu. Repositori yang banyak digunakan oleh penyedia inferensi, harness, dan pekerjaan CI akan menunjukkan jumlah unduhan yang tidak sebanding dengan keterlibatan manusia mana pun, karena sebagian besar trafiknya bukan berasal dari orang. Bacalah rasio sebelum membaca jumlahnya: rasio unduhan-terhadap-suka yang tinggi adalah sinyal bahwa artefak tersebut telah menjadi infrastruktur, dan trafik infrastruktur tidak memberi tahu Anda apa pun tentang apakah model itu bagus atau tidak.

Gating mengubah makna angka tersebut

Empat dari lima belas repositori dibatasi aksesnya, dan pembatasnya adalah bidang provenans, bukan catatan kaki ketersediaan. Repositori yang dibatasi aksesnya tetap menghitung unduhan, tetapi hanya dari akun yang menyetujui ketentuannya, sehingga jumlahnya dibatasi oleh populasi akses, bukan oleh minat. Membandingkan unduhan repositori yang dibatasi aksesnya dengan repositori yang tidak dibatasi berarti membandingkan dua penyebut yang berbeda.

Kasus paling jelas dalam sampel adalah derivatif keamanan siber yang dibangun di atas model 27B tanpa penyensoran: 28.009 unduhan, aksesnya dibatasi, dibuat pada 2026-09-26. Repositori ini adalah yang terbaru dalam catatan dan yang kedua paling sedikit diunduh, dan tidak satu pun dari kedua fakta itu menjadi bukti tentang kemampuannya. Repositori ini sekadar belum dapat dijangkau oleh populasi yang menghasilkan volume unduhan, karena untuk menjangkaunya diperlukan permintaan.

Pola itu berlaku umum, dan itulah sebabnya kolom bergerbang lebih penting daripada kolom jumlah bagi siapa pun yang melakukan uji tuntas. Tiga dari lima belas — build FP8 dan GGUF dari 27B serta GGUF Flash-Next — berada di balik persetujuan otomatis; sisanya terbuka. Model tanpa sensor yang tidak bergerbang dengan jumlah tinggi memiliki basis pengguna kasual yang besar. Model bergerbang dengan jumlah kecil mungkin justru yang dicari tim keamanan, dan angka unduhannya tidak akan pernah menunjukkan hal itu.

Apa yang ditunjukkan oleh empat basis lainnya dalam buku besar

Perluas kerangkanya, dan kolom hitungan menjadi semakin sulit ditafsirkan, karena sampelnya tidak homogen.

• Qwen-Image-2.1, terkuantisasi, 2.788.283 unduhan. Repositori terbesar dalam catatan ini adalah sebuah model gambar. Ini bukan model bahasa tanpa sensor, dan keberadaannya menjadi pengingat bahwa kata "uncensored" kini merupakan konvensi pelabelan yang diterapkan lintas modalitas, apa pun wujud artefaknya sebenarnya.

• Qwen3.8-Flash-Next, GGUF, 869,081 unduhan, akses terbatas. Basis yang lebih kecil yang turunannya telah mengumpulkan jangkauan nyata, tetapi hanya sebagian kecil dari klaster 27B.

• GLM-5.3, FP8, 103.568 unduhan. Dilabeli sebagai build keamanan siber, bukan build tanpa sensor, dibangun di atas keluarga basis yang berbeda. Niat berbeda, audiens yang berdekatan.

• DeepSeek-V4.1-Flash, FP8, 52.502 unduhan. Satu repositori, tanpa varian GGUF, tanpa varian MLX. Jumlahnya mencerminkan satu format penyajian dan karena itu audiens perangkat keras yang lebih sempit.

Empat basis, empat penjelasan berbeda untuk kolom yang sama. Papan peringkat mana pun yang mencampurnya ke dalam satu daftar terurut menghasilkan angka yang maknanya berubah dari baris ke baris.

Cara membaca buku besar yang tidak memiliki skor

Disiplin pembacaannya singkat dan sama persis dengan yang akan Anda terapkan pada catatan asal-usul mana pun.

• Mulailah dari basisnya. Dua repositori dengan induk berbeda tidak dapat dibandingkan, sekecil apa pun perbedaan namanya. Perhatikan bahwa induk entri DavidAU adalah turunan lain, bukan model aslinya.

• Lalu metodenya. Abliterasi, merge, yang disetel MTP, hanya kuantisasi. Yang pertama mengubah perilaku dengan menghapus sebuah arah dari bobot; yang kedua mengubah perilaku dengan mencampur bobot; yang ketiga mengubah kecepatan; yang keempat sama sekali tidak mengubah perilaku.

• Lalu formatnya. GGUF untuk inferensi lokal di berbagai anggaran memori, FP8 untuk peladen pusat data, MLX untuk Apple silicon, tanpa kuantisasi untuk referensi dan pelatihan lanjutan. Format memprediksi volume unduhan lebih kuat daripada kualitas.

• Lalu gerbangnya. Terbuka, persetujuan otomatis, atau dibatasi. Inilah kolom yang paling sering menjelaskan angka yang rendah secara tidak normal.

• Terakhir, jumlahnya — dan hanya sebagai perbandingan dalam format yang sama. Membandingkan unduhan GGUF dengan GGUF lain dapat dipertahankan. Membandingkan GGUF dengan build FP8 berarti membandingkan dua distribusi.

Yang sama sekali tidak dapat dibantu oleh ledger adalah pertanyaan yang sebenarnya dimiliki semua orang: mana di antara ini yang berperilaku paling baik setelah penolakannya hilang. Itu menuntut menjalankannya, dan cara membingkai yang jujur untuk menjalankannya adalah cara yang pernah dipakai blog ini sebelumnya — abliterasi menghapus suatu perilaku tanpa menambahkan pengetahuan, jadi model terabliterasi yang lebih kecil tetap tidak dapat melakukan apa yang tidak dapat dilakukan model dasar yang lebih besar.

Jika Anda ingin menelepon salah satunya alih-alih mengunduhnya

Sebagian besar ledger ini membahas artefak lokal. Cara lain untuk menggunakan kategori ini adalah melalui API, dan titik masuk yang perlu diketahui adalah halaman model Qwen3.8 27B: konteks 262K token, input teks serta gambar dan video, disajikan dalam block-FP8 dengan vision tower yang dijaga pada presisi penuh, dengan $0.40 per juta token input dan $4.21 per juta output. Angka lalu lintas tujuh hari yang dipublikasikan adalah 645,2 juta token, yang merupakan hal terdekat di halaman itu dengan sinyal permintaan — dan perhatikan bahwa itu adalah jumlah token, bukan jumlah unduhan, sehingga menjadikannya pengukuran yang sama sekali berbeda.

Jelaskan dengan tepat apa halaman itu dan apa yang bukan. Ini adalah model 27B yang dihosting dengan slug vendor obsidian, dan diberi harga per token di gateway yang sama dengan semua yang lain. Ini bukan artefak yang sama dengan repositori mana pun dalam ledger di atas: organisasi tersebut juga menerbitkan build FP8 tanpa sensor di Hugging Face, yaitu file yang dapat diunduh dengan jumlah unduhan 126,807, sedangkan model yang disajikan adalah deployment dengan jumlah token. Satu angka mengukur pengambilan; angka lainnya mengukur panggilan. Keduanya bukan skor kapabilitas, dan tidak satu pun menjadi pengganti untuk menguji perilaku yang Anda pedulikan.

Itulah keseluruhan argumen sebuah papan peringkat tanpa skor. Unduhan memberi tahu Anda apa yang diambil orang. Like memberi tahu siapa yang sekadar lewat halaman. Gerbang memberi tahu siapa yang diizinkan mengunduh sama sekali. Asal-usul memberi tahu apa yang sebenarnya Anda dapatkan. Satu-satunya yang hilang adalah hal yang semua orang inginkan — dan sampai seseorang menerbitkan evaluasi yang dapat direproduksi atas artefak-artefak ini pada tugas-tugas yang diklaim diperuntukkan bagi mereka, sebuah peringkat hanyalah rekaan yang didandani sebagai pengukuran.