
Qwen3.8-27B-Uncensored 基準測試:拒答行為崩解,能力維持不變
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 186 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百萬 tokens · 87 tok/s
- openai新OpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 每百萬 tokens · 151 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 190 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 86 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 705 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 每百萬 tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 101 tok/s
這則基準測試故事的主角是Qwen3.8 27B Uncensored (Aggressive)——它是Qwen3.8 27B 的去拒答版本,於 2026 年 8 月 15 日以 FP8 檢查點形式發布,並於 8 月 16 日推出 GGUF 版本——重點不在於它變得更強,而在於它不再拒絕。模型卡指出,關閉思考模式時,有害提示的拒絕率從基礎版的 64–99% 降至去拒答版本的 0–6%;開啟思考模式時則為 1.7% 或以下;而每項能力基準測試的結果都落在基礎版的 ±1.3 分以內,WikiText-2 困惑度為 6.96。如果你是為了 qwen uncensored benchmarks 而來,這些就是頭條數字:它不是更聰明的模型,而是一個不再拒絕的模型。這些數字背後每個版本的來源及其下載次數,都記錄在uncensored llm leaderboard中。
這個區別很重要,因為在「無審查基準測試」這類關鍵字下排到前段的內容,多半不是單薄的能力分數清單文,就是宣稱模型「更好」的誇大吹捧文。這兩者都不是 abliteration 在做的事。本文會逐一說明實際量測到的資料——拒答崩塌、過度拒答、能力保留與困惑度——產出這些資料的方法,以及你在動手改動權重之前應該先讀過的安全界線。
未經審查的基準測試彙整究竟衡量了什麼
一般模型評測只報告一個軸度:能力——MMLU、GSM8K、寫程式、推理。而經過 abliteration 的模型有趣之處在於另一個軸度,而「uncensored」這個標籤的重點就在於安全軸度已經移動了。因此,對 Qwen3.8-27B-Uncensored-FP8 而言,有用的問題不是「它是不是更聰明了?」,而是「移除拒答機制付出了什麼代價,而且移除得有多徹底?」
有三組數字必須放在一起看。有害提示基準測試上的拒答率——模型多常拒絕;基準值越高,移除就越明顯。良性提示上的過度拒答——模型多常誤拒一個無害請求;這對所有人來說都是越低越好。以及能力保留——這次編輯是否讓模型退步了。只印出能力分數的基準測試摘要,回答的是錯的問題。
這個方法:abliteration 是權重編輯,而不是微調
abliteration 與社群「越獄」套件不同之處,在於變更所在的位置。提示層級的越獄是包裝輸入;abliteration 則是編輯權重。這裡採用的方法是 Arditi 等人(2024)的〈語言模型中的拒絕行為由單一方向中介〉。核心發現是:許多模型的拒絕行為由殘差流中的單一方向所驅動——估計出該方向、將其移除,模型便會停止拒絕,而無需重新訓練。
具體而言,該卡片描述的是:在第 38 層(round(0.6 × 64))上,利用「有害減無害」的最後 token 殘差經大規模激活遮罩後的均值差,估算出一個拒絕方向;其中以 AdvBench 作為有害集合、Alpaca 作為無害集合。此編輯是一種正交化,W′ = W − r(rᵀW),以 float32 計算,並套用於 131 個殘差寫入矩陣——注意力輸出投影、線性注意力輸出投影、MLP 下投影,以及一個嵌入行空間。不會執行任何訓練步驟;視覺塔保持原樣不動;MTP 推測解碼頭則一致地被去除拒絕方向。這就是能力得以倖存的原因:移除一個方向,遠比微調模型使其順從要溫和得多。
拒絕崩塌:數字
在由 vLLM 提供服務的 FP8 版本上測得,並公布於 Hugging Face 模型卡(2026-08-15):在關閉 thinking 的情況下,有害提示基準測試的拒絕率從基礎版的 64–99% 降至未審查版本的 0–6%:
• AdvBench — 99.0% → 0.0%
• JailbreakBench(有害)— 94.0% → 0.0%
• StrongREJECT — 97.3% → 2.0%
• HarmBench(標準)— 98.7% → 2.7%
• MaliciousInstruct — 99.0% → 0.0%
• SimpleSafetyTests — 64.0% → 6.0%
• ForbiddenQuestions — 73.3% → 4.7%
啟用思考功能後,拒絕幾乎從未發生——在 AdvBench 上為 1.7%,其餘大多數為 0.0%。這張卡片補充了一個誠實的但書:仍有 30–50% 的回答會在開頭加上簡短的免責聲明。這是訓練造成的產物,不是拒絕——模型有回答,但開頭會有所保留。這讀起來像是摩擦,而非安全。

過度拒絕也會下降
較少被宣傳的那個數字,位於安全軸的另一側。在 XSTest-safe 上——250 個良性提示,對齊模型有時會誤拒——基礎模型有 5.6% 的時間會過度拒絕。無審查版本則過度拒絕 0.4%。移除拒絕方向不只是讓模型停止拒絕有害請求;它也讓模型不再拒絕那些它先前因過度泛化而標記的無害請求。對於任何在建置評估或紅隊工具、且以無拒絕基準為重點的人來說,這是工具本身的實質改進,而不是需要為之道歉的副作用。
能力會被保留,而非提升
這正是「無審查=更強」這種說法站不住腳的地方。模型卡使用相同的腳本與設定,報告去審查化(abliterated)FP8 版本與官方基礎 FP8 的對比結果:
• MMLU(零樣本,0-shot)— 84.3% → 84.7%
• GSM8K(CoT)— 90.0% → 88.7%
• MMLU-Pro(CoT)— 77.6% → 76.8%
• CMMLU(零樣本,中文)— 81.4% → 80.8%
每項分數都落在基礎模型的 ±1.3 分以內,而 WikiText-2 raw 困惑度為 6.96——這是模型卡上的證據,說明語言建模本身並未退化。誠實的解讀是:在這套架構上,abliteration 幾乎是能力中性的。你得到的並不是更好的模型;你得到的是同一個模型,只是少了拒答行為。

同樣的警告也適用於更廣泛的生態系:對於社群版本上的{{1}}「無損、未審查」{{/1}}宣稱,值得抱持懷疑態度解讀。一項針對{{2}}Hugging Face 上的 4B 開放權重版本{{/2}}所做的三方比較發現,自稱無損的技術實際上讓 TruthfulQA 下降約 7 分、Lambada 下降約 4 分,而其 HarmBench 攻擊成功率達到 100%;另外兩種方法則分別為 99.2% 和 95.5%。而在另一個版本上進行的激進試驗雖達到零拒絕,卻產生不連貫的詞語堆砌,因此出貨版本退而採用較溫和的逐層參數。Abliteration 的結果會因方法而異——這些數字具體是 {{3}}FP8 版本的模型卡資料{{/3}}。
卡片並未宣稱的內容
引用數字前,請先閱讀方法論。模型卡將其拒答測量標示為「僅供參考,並非 LLM 評審/發表等級的數字」:拒答是由基於規則的開場短語分類器判定,並另設一個「但書」分類桶,用來容納有配合回答、但開頭加上免責聲明的答案。這些基準測試僅限文字,使用 vLLM 服務的 FP8 版本、且僅包含語言模型來執行;能力測試套件則採用標準評估腳本。正確的理解框架是:這是廠商自行測量的資料,可從已發布的模型卡重現——並非獨立的第三方執行結果,也不是對 GGUF 版本的聲明;GGUF 版本是為 llama.cpp 量化發佈的,應另行評估。
安全邊界
這部分是無法含糊帶過的。一個經過 abliteration(消融拒絕方向)處理的模型,其拒絕機制已被大幅移除。具體來說:對於基礎Qwen3.8 27B會拒絕的有害、不道德或非法請求,它都會順從照做,而且它沒有任何有意義的內建防護機制。其正當用途在於研究——可解釋性(研究拒絕方向是如何被編碼的)、AI 安全與拒絕機制研究、紅隊演練(以試圖繞過模型防護的輸入來探測模型),以及穩健性評估。本模型依循基礎模型,以 Apache 2.0 授權釋出,嚴格來說僅作為研究用途的產物。對於你如何使用它,以及它所產生的一切內容,你必須承擔全部責任與法律責任。請勿在沒有你自己的安全、審核與濫用防制層的情況下,將其部署給終端使用者或投入正式生產環境——而任何正式生產或面向消費者的用途,你真正該用的是標準的 Qwen3.8 27B。
當未經審查的基準測試是不該查詢的東西時
如果你的問題是「哪個模型在數學或程式設計上最強?」,那你讀錯數據了——無審查版本並不是能力升級。如果你的應用程式需要拒絕有害請求,這個模型正好與你想要的方向相反。如果你要推出產品,不要建立在經過 abliteration 處理的檢查點上。而如果你真正想要的是越獄,那完全是另一回事——提示層級的套件不屬於本文討論的權重層級干預,也不是本文的主題。本文中的基準數據只為了一個狹窄但正當的問題而存在:移除拒答機制會對 Qwen3.8 27B 造成什麼影響,並加以測量。
如何存取它?
這兩個建置均以 Apache 2.0 授權發布於 Hugging Face:orcarouter/Qwen3.8-27B-Uncensored-FP8(block-FP8 E4M3,權重約 30.9 GB,在標準 vLLM FP8 核心路徑上提供服務,並完整保留 262K 上下文、工具、思考與 MTP),以及 orcarouter/Qwen3.8-27B-Uncensored-GGUF(適用於 llama.cpp 的 F16 加上 12 個量化等級,其中 Q4_K_M 為 16.8 GB,是 24 GB GPU 的建議預設值)。模型卡在 OrcaRouter 上提供了定價與基準測試詳情——未審查版本在該處列為 obsidian/Qwen3.8-27B,價格為每百萬輸入 token 0.40 美元、每百萬輸出 token 4.21 美元,上下文為 262K,且存取權限僅限安全研究人員、紅隊與 AI 安全研究人員。

最終結論
qwen uncensored 基準測試回答的是一個狹窄的問題,而答案很清楚:透過 abliteration 移除 Qwen3.8 27B 的拒答行為後,能力仍維持在 ±1.3 分以內,而對有害提示的拒答率從 64–99% 驟降至 0–6%,過度拒答從 5.6% 降至 0.4%,困惑度維持在 6.96。請把這些數字解讀為「不會拒答」,絕非「更強」。對於可解釋性、安全性和紅隊研究而言,這正是模型卡所描述的工具。對於任何面向使用者的用途,它從設計上就是錯誤的模型。
供合法研究使用,權重以 Apache 2.0 授權發佈於 Hugging Face — orcarouter/Qwen3.8-27B-Uncensored-FP8(供 llama.cpp 使用的 GGUF 版本位於 orcarouter/Qwen3.8-27B-Uncensored-GGUF)。
