Leaderboard van ongecensureerde modellen: wat downloadaantallen daadwerkelijk meten

Er is geen eerlijke manier om ongecensureerde modellen te rangschikken op capaciteit, en elke ranglijst die beweert van wel, rangschikt stilletjes iets anders — meestal downloadaantallen, die distributie meten in plaats van vermogen. Dit is dus een ander soort ranglijst: een herkomstregister. Voor vijftien repositories die afstammen van zes basismodellen — tien daarvan gebouwd op Qwen3.8-27B, de rest op Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3 en DeepSeek-V4.1-Flash — legt het vast van welke basis de gewichten afkomstig zijn, welke ablatiemethode is gebruikt om het weigeringsgedrag te verwijderen, in welke kwantisatie het bestand wordt aangeboden, of de repository toegangsbeperkt is, en het aantal downloads per 2026-10-21. De volgorde is op basismodel, niet op score. Als je een getal wilt dat je vertelt welke je moet kiezen, is het eerlijke antwoord dat dat getal nog niet bestaat — wat het argument is dat de bestaande berichtgeving van deze blog over ongecensureerde modellen blijft maken, en hetzelfde argument dat het incidentenregister maakt over capaciteitsclaims in het algemeen.

Waar het ledger echt goed voor is, is iets anders en iets nuttigers: het vertelt je welke artefacten er bestaan, wie ze heeft gemaakt, hoe ze zijn gemaakt en welke ervan daadwerkelijk worden opgehaald. In die laatste kolom zitten de interessante meningsverschillen.

Wat een downloadteller is, mechanisch bekeken

Een Hugging Face-downloadteller wordt opgehoogd wanneer een bestand wordt opgehaald — door een persoon, door een script, door een CI-job, door een mirror, door een evaluatieharnas dat dezelfde gewichten voor de elfde keer binnenhaalt. Het is een ophaalteller. Het is geen gebruikersaantal, geen installatieteller en geen kwaliteitssignaal. Een repository die een GGUF van 20 GB aanbiedt die mensen na elke mislukte poging opnieuw downloaden, zal meer ophalingen verzamelen dan een betere repository die een kwantisatie van 4 GB aanbiedt die mensen één keer ophalen.

Hieruit volgen twee structurele vertekeningen, en ze verklaren het grootste deel van de spreiding hieronder. Ten eerste, kwantisatie drijft downloads aan: een GGUF-repository die acht kwantiseringsniveaus levert, wordt gedownload voor welk niveau de VRAM van de gebruiker ook toelaat, en de populaire niveaus worden herhaaldelijk gedownload terwijl mensen experimenteren. Ten tweede, het bestandsformaat bepaalt wie het überhaupt kan gebruiken: een niet-gekwantiseerde safetensors-build is alleen bruikbaar voor iemand met het geheugenbudget voor volledige precisie, dus het aantal downloads wordt begrensd door hardware in plaats van interesse. Daarom wordt de GGUF van hetzelfde model bijna altijd een orde van grootte vaker gedownload dan de release met volledige precisie, en daarom is het een categoriefout om die kloof als kwaliteitsoordeel te lezen.

Eén basis, negen derivaten, een spread van zestig keer

Het Qwen3.8-27B-cluster is het zuiverste natuurlijke experiment in de steekproef: negen repositories op de onderstaande kaart, die allemaal teruggaan op dezelfde 27B-basis, allemaal hetzelfde doel hebben — het verwijderen van weigeringsgedrag — en downloadaantallen hebben die enorm verschillen.

De top drie — JonathanColetti met 2,58M, huihui-ai's abliterated GGUF met 2,43M, HauhauCS's agressieve MTP-build met 2,36M — liggen binnen negen procent van elkaar en zijn allemaal gemaakt in hetzelfde venster van vier dagen medio augustus 2026. Die clustering is geen toeval en geen rangschikking: het is hoe een modelrelease eruitziet wanneer verschillende makers van afgeleide modellen binnen een week op dezelfde basis voortbouwen, elk met een iets ander recept.

Vergelijk de artefacten in plaats van de aantallen. JonathanColetti, huihui-ai en 0bserverx beschrijven allemaal een bewerking om weigeringen te verwijderen op dezelfde basis. DavidAU heeft een inzending die een merge is — een fine-tune gestapeld op een fine-tune, met een keten van modifiers in de repositorynaam die terugvoert naar een eerdere afgeleide in plaats van naar de oorspronkelijke basis. HauhauCS heeft een build die adverteert met MTP, multi-token prediction, wat een snelheidseigenschap is in plaats van een censuureigenschap. Dat zijn vier verschillende klassen artefacten die in één lijst staan omdat ze een gemeenschappelijke ouder hebben. Downloadaantallen onderscheiden ze niet, en een ranglijst die op aantal downloads zou sorteren, zou de merge op de vierde plaats zetten en het een slechtere abliteration noemen.

Likes en downloads lopen meer dan twintig keer uiteen

Hugging Face registreert ook likes, en de verhouding tussen de twee tellers is het meest informatieve afgeleide getal in de steekproef. De eigen FP8-build van de organisatie heeft 1.832 likes tegenover 126.807 downloads — ongeveer één like per 69 downloads. De build van JonathanColetti, met een twintigmaal groter aantal downloads, heeft 1.651 likes: ongeveer één like per 1.560 downloads.

Dat verschil betekent niet dat het ene repository geliefd is en het andere genegeerd. Het zegt dat de twee tellers verschillende populaties meten. Downloads schalen met het aantal machines dat het bestand wil; likes schalen met het aantal Hugging Face-accounts dat de pagina heeft bezocht. Een repository die veel wordt gebruikt door inferentieproviders, harnesses en CI-jobs zal een downloadaantal laten zien dat buiten verhouding staat tot enige menselijke betrokkenheid, omdat het meeste verkeer geen mensen zijn. Lees de verhouding voordat je het aantal leest: een hoge downloads-tot-likes-verhouding is een signaal dat het artefact infrastructuur is geworden, en infrastructuurverkeer zegt je niets over of het model goed is.

Gating verandert wat het getal betekent

Vier van de vijftien repositories zijn toegangsbeperkt, en die beperking is een herkomstveld in plaats van een voetnoot over beschikbaarheid. Een toegangsbeperkte repository telt nog steeds downloads, maar alleen van accounts die de voorwaarden ervan hebben geaccepteerd, dus het aantal wordt begrensd door een toegangspopulatie in plaats van door interesse. De downloads van een toegangsbeperkte repository vergelijken met die van een niet-toegangsbeperkte is twee verschillende noemers met elkaar vergelijken.

Het duidelijkste geval in de steekproef is de cybersecurity-afgeleide boven op een ongecensureerd 27B-model: 28.009 downloads, met toegangsbeperking, aangemaakt op 2026-09-26. Het is de nieuwste repository in het register en op één na de minst gedownloade, en geen van beide feiten zegt iets over de capaciteiten ervan. Het is simpelweg niet bereikbaar geweest voor de populatie die downloadvolume genereert, omdat er een aanvraag nodig is om erbij te komen.

Dat patroon geldt in het algemeen, en daarom zijn de kolommen met toegangsbeperking belangrijker dan de aantalkolom voor iedereen die due diligence doet. Drie van de vijftien — de FP8- en GGUF-builds van de 27B en de Flash-Next GGUF — vallen onder automatische goedkeuring; de rest is open. Een ongecensureerd model zonder toegangsbeperking met een hoog aantal heeft een grote groep casual gebruikers. Een model met toegangsbeperking en een laag aantal kan precies zijn wat een beveiligingsteam zoekt, en het downloadaantal zal dat nooit laten zien.

Wat de andere vier bases in het grootboek laten zien

Maak je het frame breder, dan wordt de count-kolom nog minder interpreteerbaar, omdat de steekproef niet homogeen is.

• Qwen-Image-2.1, gekwantiseerd, 2.788.283 downloads. De grootste repository in het register is een afbeeldingsmodel. Het is geen ongecensureerd taalmodel, en de aanwezigheid ervan herinnert eraan dat het woord "uncensored" nu een taggingconventie is die op alle modaliteiten wordt toegepast, wat het artefact ook feitelijk is.

• Qwen3.8-Flash-Next, GGUF, 869.081 downloads, met beperkte toegang. Een kleinere basis waarvan de afgeleiden een reëel bereik hebben opgebouwd, maar slechts een fractie van de 27B-cluster.

• GLM-5.3, FP8, 103.568 downloads. Aangeduid als een cybersecurity-build in plaats van een ongecensureerde, gebouwd op een andere basisfamilie. Andere intentie, aangrenzend publiek.

• DeepSeek-V4.1-Flash, FP8, 52.502 downloads. Eén repository, geen GGUF-tegenhanger, geen MLX-tegenhanger. Het aantal weerspiegelt één enkel serveerformaat en daarmee een kleiner hardwarepubliek.

Vier grondslagen, vier verschillende verklaringen voor dezelfde kolom. Elke ranglijst die ze in één gesorteerde lijst mengt, levert een getal op waarvan de betekenis van rij tot rij verandert.

Hoe lees je een grootboek zonder scores?

De leesdiscipline is kort en het is dezelfde die je zou toepassen op elk herkomstrecord.

• Begin bij de basis. Twee repositories met verschillende ouders zijn niet vergelijkbaar, hoe vergelijkbaar hun namen ook zijn. Let op: de ouder van de DavidAU-vermelding is een andere afgeleide, niet het oorspronkelijke model.

• Dan de methode. Abliteration, samenvoegen, MTP-afgestemd, alleen quantisatie. De eerste verandert gedrag door een richting uit de gewichten te verwijderen; de tweede verandert gedrag door gewichten te mengen; de derde verandert snelheid; de vierde verandert helemaal niets aan het gedrag.

• Dan het formaat. GGUF voor lokale inferentie binnen verschillende geheugenbudgetten, FP8 voor servering in datacenters, MLX voor Apple silicon, niet-gekwantiseerd als referentie en voor verdere training. Het formaat voorspelt het downloadvolume sterker dan de kwaliteit.

• Dan de poort. Open, automatische goedkeuring of beperkt. Dit is het veld dat het vaakst een abnormaal laag aantal verklaart.

• Ten slotte, de telling — en alleen als vergelijking binnen hetzelfde formaat. De downloads van een GGUF vergelijken met die van een andere GGUF is verdedigbaar. Een GGUF vergelijken met een FP8-build is twee distributies vergelijken.

Waar het grootboek helemaal niet kan helpen, is bij de vraag die iedereen eigenlijk heeft: welke van deze zich het beste gedraagt zodra de weigeringen weg zijn. Dat vereist dat je ze draait, en de eerlijke framing om ze te draaien is degene die deze blog eerder heeft gebruikt — abliteration verwijdert een gedrag zonder kennis toe te voegen, dus een kleiner geabliteerd model kan nog steeds niet doen wat een groter basismodel niet kon.

Als je er liever een wilt bellen in plaats van er een te downloaden

Het grootste deel van het grootboek gaat over lokale artefacten. De andere manier om deze categorie te gebruiken is via een API, en het startpunt dat de moeite waard is om te kennen is de Qwen3.8 27B-modelpagina: 262K-tokencontext, tekst-, beeld- en video-invoer, geserveerd in block-FP8 waarbij de vision tower op volledige precisie blijft, voor $0.40 per miljoen invoertokens en $4.21 per miljoen uitvoertokens. Het gepubliceerde verkeerscijfer over zeven dagen is 645,2 miljoen tokens, wat op de pagina het dichtst bij een vraagindicator komt — en let op: het is een tokentelling, geen downloadtelling, waardoor het een heel andere meting is.

Wees precies over wat die pagina wel en niet is. Het is een gehost 27B-model onder de obsidian-leveranciersslug, en het wordt per token geprijsd op dezelfde gateway als al het andere. Het is niet hetzelfde artefact als enige repository in het bovenstaande register: de organisatie publiceert ook een ongecensureerde FP8-build op Hugging Face, een downloadbaar bestand met een downloadaantal van 126.807, terwijl het geserveerde model een deployment met een tokenaantal is. Het ene getal meet fetches; het andere meet calls. Geen van beide is een capaciteitsscore, en geen van beide vervangt het testen van het gedrag dat je belangrijk vindt.

Dat is het hele betoog van een leaderboard zonder scores. Downloads vertellen je wat mensen hebben opgehaald. Likes vertellen je wie de pagina is gepasseerd. Gates vertellen je wie überhaupt mocht ophalen. Herkomst vertelt je wat je feitelijk krijgt. Het enige dat ontbreekt, is datgene wat iedereen wil — en totdat iemand een reproduceerbare evaluatie publiceert van deze artefacten op de taken waarvoor ze claimen bedoeld te zijn, zou een ranglijst een uitvinding zijn die zich voordoet als een meting.