Bảng xếp hạng mô hình không kiểm duyệt: Số lượt tải xuống thực sự đo lường điều gì

Không có cách trung thực nào để xếp hạng các mô hình không kiểm duyệt theo năng lực, và mọi bảng xếp hạng tuyên bố làm được điều đó đều đang lặng lẽ xếp hạng một thứ khác — thường là số lượt tải xuống, vốn đo lường mức độ phổ biến chứ không phải khả năng. Vì vậy, đây là một kiểu bảng xếp hạng khác: một sổ cái nguồn gốc. Đối với mười lăm kho lưu trữ bắt nguồn từ sáu mô hình nền — mười trong số đó được xây dựng trên Qwen3.8-27B, phần còn lại trên Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3 và DeepSeek-V4.1-Flash — nó ghi lại mô hình nền mà trọng số đến từ đó, phương pháp ablation được dùng để loại bỏ hành vi từ chối, mức lượng tử hóa mà tệp được phục vụ, liệu kho lưu trữ có bị kiểm soát truy cập hay không, và số lượt tải xuống tính đến ngày 2026-10-21. Thứ tự là theo mô hình nền, không phải theo điểm số. Nếu bạn muốn một con số cho biết nên chọn cái nào, câu trả lời trung thực là con số đó chưa tồn tại — đó là lập luận mà phần nội dung về mô hình không kiểm duyệt hiện có của blog này liên tục đưa ra, và cũng là lập luận mà hồ sơ sự cố đưa ra về các tuyên bố năng lực nói chung.

Điều mà sổ cái thực sự hữu ích lại khác và hữu dụng hơn: nó cho bạn biết những tạo tác nào tồn tại, ai đã tạo ra chúng, chúng được tạo ra như thế nào, và tạo tác nào trong số đó thực sự đang được kéo về. Cột cuối cùng đó chính là nơi chứa những bất đồng thú vị.

Số lượt tải xuống là gì, xét về mặt cơ chế

Số lượt tải xuống trên Hugging Face tăng lên khi một tệp được tải về — bởi một người, bởi một script, bởi một tác vụ CI, bởi một mirror, bởi một evaluation harness tải cùng bộ trọng số lần thứ mười một. Đó là bộ đếm lượt tải. Nó không phải số người dùng, không phải số lượt cài đặt, và không phải tín hiệu chất lượng. Một repository phục vụ tệp GGUF 20 GB mà người ta tải lại sau mỗi lần thử thất bại sẽ tích lũy nhiều lượt tải hơn một repository tốt hơn phục vụ bản lượng tử hóa 4 GB mà người ta chỉ tải một lần.

Hai thiên lệch cấu trúc kéo theo, và chúng giải thích phần lớn mức chênh lệch bên dưới. Thứ nhất, lượng tử hóa thúc đẩy lượt tải: một kho GGUF cung cấp tám mức lượng tử hóa sẽ được tải về theo mức nào mà VRAM của người dùng cho phép, và các mức phổ biến được tải lặp lại khi mọi người thử nghiệm. Thứ hai, định dạng tệp quyết định ai có thể dùng nó: một bản dựng safetensors chưa lượng tử hóa chỉ dùng được với người có ngân sách bộ nhớ đủ cho độ chính xác đầy đủ, nên số lượt tải của nó bị giới hạn bởi phần cứng chứ không phải mức độ quan tâm. Đó là lý do bản GGUF của cùng một mô hình gần như luôn có số lượt tải cao hơn bản phát hành độ chính xác đầy đủ của nó gấp một bậc độ lớn, và vì sao đọc khoảng cách đó như một phán quyết về chất lượng là một lỗi phạm trù.

Một nền tảng, chín dẫn xuất, trải rộng gấp sáu mươi lần

Cụm Qwen3.8-27B là thí nghiệm tự nhiên sạch nhất trong mẫu: chín kho mã trên thẻ bên dưới, đều bắt nguồn từ cùng một nền tảng 27B, đều nêu cùng một mục tiêu là loại bỏ hành vi từ chối, và có số lượt tải chênh lệch rất lớn.

Ba mô hình dẫn đầu — JonathanColetti ở 2.58M, GGUF abliterated của huihui-ai ở 2.43M, bản dựng MTP mạnh tay của HauhauCS ở 2.36M — chênh nhau chưa đến chín phần trăm và đều được tạo ra trong cùng một khung bốn ngày vào giữa tháng 8 năm 2026. Sự tụm lại đó không phải là trùng hợp ngẫu nhiên và cũng không phải là một bảng xếp hạng: đó là dáng vẻ của một đợt phát hành mô hình khi nhiều bên tạo bản phái sinh cùng chuyển sang một nền tảng cơ sở trong vòng một tuần, mỗi bên với một công thức hơi khác.

Hãy so sánh các tạo tác thay vì các con số. JonathanColetti, huihui-ai và 0bserverx đều mô tả một chỉnh sửa loại bỏ từ chối trên cùng một mô hình nền. DavidAU có mục là một bản hợp nhất — một fine-tune xếp chồng lên một fine-tune, với một chuỗi hậu tố trong tên kho lưu trữ truy ngược về một dẫn xuất trước đó thay vì về mô hình nền ban đầu. HauhauCS có bản dựng quảng cáo MTP, dự đoán đa token, một đặc tính về tốc độ chứ không phải về kiểm duyệt. Đó là bốn lớp tạo tác khác nhau nằm trong cùng một danh sách vì chúng có chung một mô hình cha. Số lượt tải không phân biệt được chúng, và một bảng xếp hạng sắp theo số lượt tải sẽ đặt bản hợp nhất ở vị trí thứ tư và gọi nó là một abliteration kém hơn.

Lượt thích và lượt tải xuống chênh lệch hơn gấp hai mươi lần.

Hugging Face cũng ghi nhận lượt thích và tỷ lệ giữa hai bộ đếm là con số dẫn xuất giàu thông tin nhất trong mẫu. Bản dựng FP8 của chính tổ chức có 1.832 lượt thích so với 126.807 lượt tải xuống — khoảng một lượt thích trên mỗi 69 lượt tải xuống. Bản dựng của JonathanColetti, với số lượt tải xuống lớn gấp hai mươi lần, có 1.651 lượt thích: khoảng một lượt thích trên mỗi 1.560 lượt tải xuống.

Khoảng cách đó không phải là chuyện một kho lưu trữ được yêu thích còn kho kia bị bỏ qua. Nó cho thấy hai bộ đếm đang đo những nhóm đối tượng khác nhau. Lượt tải tăng theo số lượng máy muốn có tệp; lượt thích tăng theo số tài khoản Hugging Face đã ghé qua trang. Một kho lưu trữ được các nhà cung cấp inference, các harness và các job CI sử dụng rộng rãi sẽ có số lượt tải vượt xa mọi mức tương tác của con người, vì phần lớn lưu lượng của nó không phải là người. Hãy đọc tỷ lệ trước khi đọc con số: tỷ lệ lượt tải trên lượt thích cao là dấu hiệu cho thấy artefact đã trở thành hạ tầng, và lưu lượng hạ tầng không cho bạn biết gì về việc mô hình có tốt hay không.

Gating thay đổi ý nghĩa của con số

Bốn trong số mười lăm kho lưu trữ bị hạn chế truy cập, và rào cản ở đây là một trường thông tin về nguồn gốc chứ không phải một chú thích nhỏ về tính khả dụng. Một kho lưu trữ bị hạn chế vẫn được tính lượt tải, nhưng chỉ từ những tài khoản đã chấp nhận các điều khoản của nó, nên con số của nó bị giới hạn bởi nhóm người dùng có quyền truy cập chứ không phải bởi mức độ quan tâm. So sánh lượt tải của một kho lưu trữ bị hạn chế với một kho lưu trữ không bị hạn chế là so sánh hai mẫu số khác nhau.

Trường hợp rõ ràng nhất trong mẫu là bản phái sinh an ninh mạng được xây dựng dựa trên một mô hình 27B không bị kiểm duyệt: 28.009 lượt tải xuống, bị hạn chế truy cập, được tạo vào 2026-09-26. Đây là kho lưu trữ mới nhất trong sổ đăng ký và là kho có số lượt tải xuống ít thứ hai, và cả hai sự thật này đều không phải bằng chứng về năng lực của nó. Đơn giản là nó chưa từng tiếp cận được với nhóm người dùng tạo ra lượng tải xuống, vì muốn tiếp cận nó thì cần gửi yêu cầu.

Mô thức đó mang tính tổng quát, và đó là lý do các cột có kiểm soát truy cập quan trọng hơn cột số lượng đối với bất kỳ ai đang thẩm định kỹ lưỡng. Ba trong số mười lăm — các bản dựng FP8 và GGUF của 27B và Flash-Next GGUF — nằm sau cơ chế phê duyệt tự động; số còn lại đều mở. Một mô hình không kiểm soát truy cập, không kiểm duyệt với số lượng cao có lượng người dùng phổ thông lớn. Một mô hình có kiểm soát truy cập với số lượng nhỏ có thể chính là thứ một đội ngũ bảo mật đang tìm kiếm, và con số lượt tải xuống của nó sẽ không bao giờ cho thấy điều đó.

Bốn cơ sở còn lại trong sổ cái cho thấy điều gì

Mở rộng khung thì cột số đếm còn khó diễn giải hơn nữa, vì mẫu không đồng nhất.

• Qwen-Image-2.1, đã lượng tử hóa, 2.788.283 lượt tải xuống. Kho lưu trữ lớn nhất trong sổ cái là một mô hình hình ảnh. Đây không phải là một mô hình ngôn ngữ không kiểm duyệt, và sự hiện diện của nó là lời nhắc nhở rằng từ "uncensored" giờ đây đã trở thành một quy ước gắn thẻ được áp dụng xuyên suốt mọi phương thức, bất kể tạo tác đó thực sự là gì.

• Qwen3.8-Flash-Next, GGUF, 869.081 lượt tải xuống, được kiểm soát truy cập. Một mô hình nền nhỏ hơn mà các dẫn xuất của nó đã tích lũy được phạm vi tiếp cận thực tế, nhưng chỉ bằng một phần nhỏ so với cụm 27B.

• GLM-5.3, FP8, 103.568 lượt tải xuống. Được gắn nhãn là bản dành cho an ninh mạng chứ không phải bản không kiểm duyệt, được xây dựng trên một họ nền tảng khác. Mục đích khác, tệp đối tượng gần nhau.

• DeepSeek-V4.1-Flash, FP8, 52.502 lượt tải xuống. Chỉ một kho lưu trữ, không có phiên bản GGUF đi kèm, cũng không có phiên bản MLX đi kèm. Số lượt tải phản ánh một định dạng phục vụ duy nhất và do đó hướng đến nhóm người dùng phần cứng hẹp hơn.

Bốn cơ sở, bốn cách giải thích khác nhau cho cùng một cột. Bất kỳ bảng xếp hạng nào trộn chúng vào một danh sách đã sắp xếp duy nhất đều đang tạo ra một con số mà ý nghĩa của nó thay đổi theo từng hàng.

Cách đọc một sổ cái không có điểm số

Quy tắc đọc thì ngắn gọn và cũng chính là quy tắc bạn sẽ áp dụng cho bất kỳ hồ sơ nguồn gốc nào.

• Bắt đầu với mô hình gốc. Hai kho lưu trữ có mô hình cha khác nhau thì không thể so sánh được, bất kể tên của chúng giống nhau đến đâu. Lưu ý rằng mục DavidAU có mô hình cha là một mô hình phái sinh khác, không phải mô hình gốc.

• Sau đó là phương pháp. Abliteration, hợp nhất, tinh chỉnh MTP, chỉ lượng tử hoá. Cái đầu tiên thay đổi hành vi bằng cách loại bỏ một hướng khỏi trọng số; cái thứ hai thay đổi hành vi bằng cách trộn các trọng số; cái thứ ba thay đổi tốc độ; cái thứ tư không thay đổi gì về hành vi cả.

• Sau đó là định dạng. GGUF cho suy luận cục bộ trong nhiều giới hạn bộ nhớ khác nhau, FP8 cho phục vụ tại trung tâm dữ liệu, MLX cho Apple silicon, không lượng tử hóa để tham chiếu và huấn luyện tiếp. Định dạng dự báo lượng tải xuống mạnh hơn so với chất lượng.

• Sau đó là cổng. Mở, tự động phê duyệt hoặc bị hạn chế. Đây là trường thường giải thích rõ nhất một con số thấp bất thường.

• Cuối cùng, con số — và chỉ như một so sánh trong cùng định dạng.So sánh lượt tải xuống của một GGUF với một GGUF khác là có thể biện luận được. So sánh một GGUF với một bản dựng FP8 là so sánh hai phân phối.

Chỗ mà ledger hoàn toàn không thể giúp được là câu hỏi mà ai cũng thực sự có: cái nào trong số này hành xử tốt nhất khi các lần từ chối đã biến mất. Điều đó đòi hỏi phải chạy chúng, và cách diễn đạt trung thực cho việc chạy chúng chính là cách mà blog này đã từng dùng trước đây — abliteration loại bỏ một hành vi mà không thêm kiến thức, nên một mô hình abliterated nhỏ hơn vẫn không thể làm được điều mà một mô hình nền lớn hơn không thể làm.

Nếu bạn muốn gọi một cái thay vì tải xuống một cái

Phần lớn sổ cái nói về các hiện vật cục bộ. Cách khác để sử dụng danh mục này là thông qua API, và điểm vào đáng biết là trang mô hình Qwen3.8 27B: ngữ cảnh 262K token, đầu vào văn bản, hình ảnh và video, được phục vụ ở block-FP8 với tháp thị giác được giữ ở độ chính xác đầy đủ, với $0.40 mỗi triệu token đầu vào và $4.21 mỗi triệu token đầu ra. Con số lưu lượng bảy ngày được công bố của nó là 645,2 triệu token, thứ gần nhất trên trang với một tín hiệu nhu cầu — và lưu ý rằng đó là số lượng token, không phải số lượt tải xuống, khiến nó trở thành một phép đo hoàn toàn khác.

Hãy chính xác về việc trang đó là gì và không phải là gì. Đó là một mô hình 27B được lưu trữ dưới slug nhà cung cấp obsidian, và được tính giá theo token trên cùng gateway như mọi thứ khác. Nó không phải là cùng một artifact với bất kỳ repository nào trong sổ cái ở trên: tổ chức này cũng xuất bản một bản dựng FP8 không kiểm duyệt trên Hugging Face, đây là một tệp có thể tải xuống với số lượt tải là {{1}}126,807{{/1}}, trong khi mô hình được phục vụ là một triển khai có số token. Một con số đo lượt tải; con số kia đo lượt gọi. Không con số nào là điểm năng lực, và không con số nào thay thế cho việc kiểm thử hành vi mà bạn quan tâm.

Đó chính là toàn bộ lập luận của một bảng xếp hạng không có điểm số. Lượt tải cho bạn biết người ta đã kéo về những gì. Lượt thích cho bạn biết ai đã ghé qua trang. Các cổng kiểm soát cho bạn biết ai được phép tải về ngay từ đầu. Nguồn gốc cho bạn biết bạn thực sự nhận được gì. Thứ duy nhất còn thiếu là thứ mà ai cũng muốn — và cho đến khi ai đó công bố một đánh giá có thể tái lập về những tạo tác này trên các tác vụ mà chúng tuyên bố hướng đến, một bảng xếp hạng sẽ chỉ là một phát minh được khoác lên vẻ ngoài của một phép đo.