Topplista för ocensurerade modeller: Vad nedladdningsantal faktiskt mäter

Det finns inget ärligt sätt att rangordna ocensurerade modeller efter förmåga, och varje ledartavla som påstår sig göra det rangordnar i tysthet något annat – vanligtvis nedladdningsantal, som mäter distribution snarare än förmåga. Så det här är en annan sorts ledartavla: ett proveniensregister. För femton repositorier som härstammar från sex basmodeller – tio av dem byggda på Qwen3.8-27B, resten på Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3 och DeepSeek-V4.1-Flash – registrerar det vilken basmodell vikterna kom från, vilken ablationsmetod som användes för att ta bort vägransbeteendet, vilken kvantisering filen serveras i, om repositoriet är åtkomstbegränsat och nedladdningsantalet per 2026-10-21. Ordningen är efter basmodell, inte efter poäng. Om du vill ha en siffra som talar om vilken du ska välja, är det ärliga svaret att siffran inte finns ännu – vilket är argumentet som den här bloggens befintliga bevakning av ocensurerade modeller fortsätter att framföra, och samma argument som incidentregistret framför om förmågepåståenden i allmänhet.

Det som liggaren verkligen är bra för är något annat och mer användbart: den berättar vilka artefakter som finns, vem som har skapat dem, hur de skapades och vilka av dem som faktiskt hämtas. Det är i den sista kolumnen som de intressanta meningsskiljaktigheterna finns.

Vad ett nedladdningsantal är, mekaniskt

Ett nedladdningsantal på Hugging Face ökar när en fil hämtas – av en person, av ett skript, av ett CI-jobb, av en spegel, av en utvärderingsmiljö som hämtar samma vikter för elfte gången. Det är en hämtningsräknare. Det är inte ett användarantal, inte ett installationsantal och inte en kvalitetssignal. Ett arkiv som tillhandahåller en 20 GB GGUF som folk laddar ner igen efter varje misslyckat försök kommer att samla fler hämtningar än ett bättre arkiv som tillhandahåller en 4 GB kvantisering som folk hämtar en gång.

Två strukturella snedvridningar följer, och de förklarar det mesta av spridningen nedan. För det första, kvantisering driver hämtningar: ett GGUF-förråd som levererar åtta kvantiseringsnivåer hämtas för vilken nivå användarens VRAM tillåter, och de populära nivåerna hämtas upprepade gånger när folk experimenterar. För det andra, avgör filformatet vem som överhuvudtaget kan använda det: en okvantiserad safetensors-version är bara användbar för någon med minnesbudgeten för full precision, så dess nedladdningsantal begränsas av hårdvara snarare än intresse. Det är därför samma modells GGUF nästan alltid laddas ner en storleksordning mer än dess fullprecisionsversion, och därför att tolka den klyftan som en kvalitetsdom är en kategorifel.

En bas, nio derivat, en spridning på sextio gånger

Qwen3.8-27B-klustret är det renaste naturliga experimentet i urvalet: nio repositorier på kortet nedan, alla med ursprung i samma 27B-bas, alla med samma uttalade mål att ta bort vägrandebeteende och med nedladdningsantal som skiljer sig enormt.

De tre främsta — JonathanColetti på 2,58M, huihui-ais abliterade GGUF på 2,43M, HauhauCS aggressiva MTP-bygge på 2,36M — ligger inom nio procent från varandra och skapades alla inom samma fyradagarsfönster i mitten av augusti 2026. Den klustringen är inte en slump och inte en rangordning: det är så en modellrelease ser ut när flera derivattillverkare arbetar utifrån samma bas inom en vecka, var och en med ett något annorlunda recept.

Jämför artefakterna i stället för antalen. JonathanColetti, huihui-ai och 0bserverx beskriver alla en redigering för att ta bort vägran utifrån samma bas. DavidAUs post är en sammanslagning – en finjustering staplad på en finjustering, med en kedja av modifierare i repositorienamnet som leder tillbaka till en tidigare derivata snarare än till den ursprungliga basen. HauhauCS bygge annonserar MTP, multi-token prediction, vilket är en hastighetsegenskap snarare än en censuregenskap. Det är fyra olika klasser av artefakter som finns i en och samma lista eftersom de delar en förälder. Nedladdningsantalen skiljer dem inte åt, och en topplista som sorterade efter antal skulle placera sammanslagningen på fjärde plats och kalla den för en sämre abliteration.

Gillningar och nedladdningar skiljer sig åt med över tjugo gånger

Hugging Face registrerar också gillningar, och förhållandet mellan de två räknarna är det mest informativa härledda talet i urvalet. Organisationens egen FP8-version har 1 832 gillningar mot 126 807 nedladdningar – ungefär en gillning per 69 nedladdningar. JonathanColettis version, med ett nedladdningsantal tjugo gånger större, har 1 651 gillningar: ungefär en gillning per 1 560 nedladdningar.

Det gapet beror inte på att ett repository älskas och ett annat ignoreras. Det säger att de två räknarna mäter olika populationer. Nedladdningar skalar med antalet maskiner som vill ha filen; likes skalar med antalet Hugging Face-konton som har passerat sidan. Ett repository som används flitigt av inferensleverantörer, harnessar och CI-jobb kommer att visa ett nedladdningsantal som är oproportionerligt mot något mänskligt engagemang, eftersom merparten av dess trafik inte är människor. Läs förhållandet innan du läser antalet: ett högt förhållande mellan nedladdningar och likes är en signal om att artefakten har blivit infrastruktur, och infrastrukturtrafik säger ingenting om huruvida modellen är något bra.

Gating förändrar vad siffran betyder

Fyra av de femton repositorierna är åtkomstbegränsade, och begränsningen är ett proveniensfält snarare än en tillgänglighetsfotnot. Ett åtkomstbegränsat repositorium räknar fortfarande nedladdningar, men bara från konton som har godkänt dess villkor, så dess antal begränsas av en åtkomstpopulation snarare än av intresse. Att jämföra nedladdningarna för ett åtkomstbegränsat repositorium med ett öppet är att jämföra två olika nämnare.

Det tydligaste fallet i urvalet är cybersäkerhetsderivatet som byggts ovanpå en ocensurerad 27B: 28 009 nedladdningar, åtkomstbegränsad, skapat 2026-09-26. Det är det nyaste repositoriet i liggaren och det näst minst nedladdade, och inget av dessa faktum är bevis för dess förmåga. Det har helt enkelt inte varit åtkomligt för den population som genererar nedladdningsvolym, eftersom att nå det kräver en begäran.

Det mönstret generaliserar, och det är därför kolumnerna för åtkomstbegränsning betyder mer än antalskolumnen för den som gör due diligence. Tre av de femton – FP8- och GGUF-byggena av 27B och Flash-Next GGUF – omfattas av automatiskt godkännande; resten är öppna. En ocensurerad modell utan åtkomstbegränsning med ett högt antal har en stor bas av vanliga användare. En åtkomstbegränsad sådan med ett lågt antal kan vara precis vad ett säkerhetsteam letar efter, och dess nedladdningssiffra kommer aldrig att avslöja det.

Vad de andra fyra baserna i liggaren visar

Om urvalsramen vidgas blir antal-kolumnen ännu mindre tolkningsbar, eftersom urvalet inte är homogent.

• Qwen-Image-2.1, kvantiserad, 2 788 283 nedladdningar. Det största repositoriet i liggaren är en bildmodell. Det är inte en ocensurerad språkmodell, och dess närvaro är en påminnelse om att ordet "ocensurerad" nu är en märkningskonvention som tillämpas över modaliteter, oavsett vad artefakten faktiskt är.

• Qwen3.8-Flash-Next, GGUF, 869 081 nedladdningar, åtkomstbegränsad. En mindre bas vars derivat har fått verklig spridning, men bara en bråkdel av 27B-klustret.

• GLM-5.3, FP8, 103 568 nedladdningar. Märkt som ett cybersäkerhetsbygge snarare än ett ocensurerat, byggt på en annan basfamilj. Annan avsikt, närliggande målgrupp.

• DeepSeek-V4.1-Flash, FP8, 52 502 nedladdningar. Ett enda repositorium, inget GGUF-syskon, inget MLX-syskon. Dess nedladdningsantal speglar ett enda serveringsformat och därmed en snävare hårdvarupublik.

Fyra grunder, fyra olika förklaringar till samma kolumn. Varje resultattavla som blandar dem i en enda sorterad lista producerar ett tal vars betydelse ändras från rad till rad.

Hur man läser en liggare som saknar poäng

Läsdisciplinen är kort och det är samma som du skulle tillämpa på vilken provenienspost som helst.

• Börja med basen. Två repositorier med olika föräldrar är inte jämförbara oavsett hur lika deras namn är. Observera att DavidAU-postens förälder är ett annat derivat, inte originalmodellen.

• Sedan metoden. Abliteration, sammanslagning, MTP-tuned, endast kvantisering. Den första ändrar beteendet genom att ta bort en riktning från vikterna; den andra ändrar beteendet genom att blanda vikter; den tredje ändrar hastigheten; den fjärde ändrar ingenting alls i beteendet.

• Sedan formatet. GGUF för lokal inferens över minnesbudgetar, FP8 för servering i datacenter, MLX för Apple silicon, okvantiserat för referens och vidare träning. Formatet förutsäger nedladdningsvolym starkare än vad kvaliteten gör.

• Sedan grinden. Öppen, automatiskt godkännande eller begränsad. Det här är fältet som oftast förklarar ett onormalt lågt antal.

• Sist, antalet – och endast som en jämförelse inom formatet. Att jämföra en GGUF:s nedladdningar med en annan GGUF:s är försvarbart. Att jämföra en GGUF med ett FP8-bygge är att jämföra två distributioner.

Där liggaren inte kan hjälpa till alls är frågan som alla faktiskt har: vilken av dessa beter sig bäst när vägran är borta. Det kräver att man kör dem, och det ärliga ramverket för att köra dem är det som den här bloggen har använt tidigare – abliteration tar bort ett beteende utan att lägga till kunskap, så en mindre ablitererad modell kan fortfarande inte göra det som en större basmodell inte kunde göra.

Om du vill ringa ett i stället för att ladda ner ett

Större delen av liggaren handlar om lokala artefakter. Det andra sättet att använda den här kategorin är via ett API, och ingången som är värd att känna till är sidan för modellen Qwen3.8 27B: 262K-tokenkontext, text-, bild- och videoindata, serverad i block-FP8 med visionstornet i full precision, till $0.40 per miljon indatatoken och $4.21 per miljon utdatatoken. Dess publicerade trafiksiffra för sju dagar är 645.2 miljoner token, vilket är det närmaste sidan kommer en efterfrågesignal – och observera att det är ett tokenantal, inte ett nedladdningsantal, vilket gör det till ett helt annat mått.

Var precis om vad den sidan är och inte är. Det är en hostad 27B-modell under leverantörssluggen obsidian, och den prissätts per token på samma gateway som allt annat. Den är inte samma artefakt som något arkiv i liggaren ovan: organisationen publicerar också ett ocensurerat FP8-bygge på Hugging Face, vilket är en nedladdningsbar fil med ett nedladdningsantal på 126 807, medan den servade modellen är en distribution med ett tokenantal. Den ena siffran mäter hämtningar; den andra mäter anrop. Ingen av dem är ett kapabilitetspoäng, och ingen av dem ersätter testning av det beteende du bryr dig om.

Vilket är hela argumentet för en topplista utan poäng. Nedladdningar berättar vad folk har hämtat. Gilla-markeringar berättar vilka som bara passerade sidan. Spärrar berättar vilka som överhuvudtaget fick hämta. Proveniens berättar vad du faktiskt får. Det enda som saknas är det alla vill ha – och tills någon publicerar en reproducerbar utvärdering av dessa artefakter på de uppgifter de påstås vara avsedda för, skulle en rangordning vara en uppfinning utklädd till en mätning.