
Qwen3.8-27B-Uncensored-FP8: Wat we hebben uitgebracht, en waarom het alleen voor onderzoek is
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 185 tok/s
- openaiNIEUWOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 per 1 mln tokens · 76 tok/s
- openaiNIEUWOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 per 1 mln tokens · 151 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 240 tok/s
- AlibabaNIEUWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 mln tokens · 178 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 94 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 per 1 mln tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 104 tok/s
We hebben Qwen3.8-27B-Uncensored-FP8 vandaag uitgebracht — een geabliteerde, offline block-FP8-build van Qwen's Qwen3.8 27B, gehost op orcarouter/Qwen3.8-27B-Uncensored-FP8 op Hugging Face. Deze post is de eerlijke versie van wat het is, wat we hebben gedaan en — het allerbelangrijkste — waar het niet voor is. Hoe deze release zich qua downloads verhoudt tot de andere ongecensureerde repositories, wordt uiteengezet in de uncensored llm leaderboard.
Wat dit model is
Qwen3.8 27B is een dense model met 27 miljard parameters en hybride aandacht (Gated DeltaNet lineair + volledige aandacht), een native vision-language model met flexibele denksturing, tool-calling en een MTP-speculatieve-decodingskop. De FP8-build herquantiseert het naar het exacte FP8-schema van het officiële Qwen3.8-27B-FP8, zodat het op het identieke vLLM-kernelpad draait — 262K context, tools, redeneren en MTP blijven allemaal behouden.
Wat deze build anders maakt, is het woord vóór FP8: ongecensureerd. We hebben abliteration toegepast — het orthogonaliseren van de weigeringsrichting uit de residual stream — om de weigeringen van de veiligheidsafstemming van het model te verwijderen. Het resultaat is een model dat zal voldoen aan verzoeken die het origineel zou weigeren.
Twee belangrijke artefacten:
• Hugging Face-repo — orcarouter/Qwen3.8-27B-Uncensored-FP8 — safetensors, Apache 2.0, block-FP8 E4M3, afbeelding-tekst-naar-tekst.
• Modelkaart op OrcaRouter — live onder onze Obsidian-cataloguslijn, met prijzen en benchmarks.
Waarom we het hebben uitgebracht
Omdat weigeringsmechanismen een legitiem onderzoeksonderwerp zijn. Interpretability-teams bestuderen hoe weigeringsrichtingen in de residual stream worden gecodeerd. Veiligheidsonderzoekers onderzoeken wat er gebeurt wanneer alignment wordt verwijderd. Red-teaming vereist modellen die niet weigeren, zodat je je eigen guardrails kunt testen tegen iets dat actief probeert ze te omzeilen. Abliterated-modellen zijn een standaardhulpmiddel in die gereedschapskist.
We hebben dit gebouwd op Qwens open gewichten (Apache 2.0) en opnieuw uitgebracht onder dezelfde licentie. Het doel is onderzoekers een bekende, reproduceerbare abliterated baseline te geven — dezelfde architectuur, hetzelfde FP8-servingpad, één variabele gewijzigd.
Het deel dat je moet lezen voordat je downloadt
Bij dit model is de veiligheidsafstemming grotendeels verwijderd. Concreet:
• Het zal voldoen aan schadelijke, onethische, aanstootgevende of illegale verzoeken die het originele Qwen3.8 27B zou weigeren. Het heeft geen betekenisvolle ingebouwde veiligheidsmaatregelen.
• Het wordt uitsluitend vrijgegeven voor legitiem onderzoek — interpreteerbaarheid, AI-veiligheid en de studie van weigeringsmechanismen, red-teaming, robuustheidsevaluatie en gecontroleerde experimenten.
• Je aanvaardt de volledige verantwoordelijkheid en aansprakelijkheid voor hoe je het gebruikt en voor alles wat het genereert. Zet het niet in voor eindgebruikers of in productie zonder je eigen lagen voor veiligheid, moderatie en misbruikpreventie toe te voegen.
• Het gebruik moet voldoen aan de Apache 2.0-licentie.
Als je use case een productieproduct, een chatbot of iets anders is dat eindgebruikers bedient, is dit niet het model voor jou. Gebruik de standaard Qwen3.8 27B, die de veiligheidsafstemming behoudt.
Hoe gebruik je het
Als je legitiem onderzoek doet en het bovenstaande begrijpt:
• Haal het van Hugging Face: orcarouter/Qwen3.8-27B-Uncensored-FP8
• Of open het via onze modelkaart, met de prijs- en benchmarkgegevens.
• Het draait op het standaard vLLM-kernelpad met 262K context, tools, reasoning en MTP intact.
We brengen dit uit omdat onderzoek naar het verwijderen van weigeringen echt bestaat en onderbelicht is. We brengen het ook uit met een disclaimer die niet verbergt wat het is. Lees die, begrijp hem en gebruik het binnen de grenzen waarvoor het bedoeld is.
Voor legitiem onderzoek staan de gewichten op Hugging Face: Haal het van Hugging Face
