
Qwen3.8-27B-Uncensored-FP8:我們發布了什麼,以及為何僅供研究使用
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 185 tok/s
- openai新OpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 每百萬 tokens · 76 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 · 240 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 178 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 94 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 82 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 · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 每百萬 tokens · 36 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 · 39 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 · 222 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 · 104 tok/s
我們推出了Qwen3.8-27B-Uncensored-FP8,就在今天——這是 Qwen 的 Qwen3.8 27B 的 abliterated、離線 block-FP8 版本,託管於orcarouter/Qwen3.8-27B-Uncensored-FP8(Hugging Face)。本文是誠實的版本,說明它是什麼、我們做了什麼,以及——最重要的是——它不適用於什麼。這個版本與其他未審查儲存庫在下載量上的比較,詳見未審查 LLM 排行榜。
這個模型是什麼
Qwen3.8 27B 是一個擁有 270 億參數的密集、混合注意力(Gated DeltaNet 線性 + 完整注意力)原生視覺語言模型,具備彈性的思考控制、工具呼叫,以及 MTP 推測解碼頭。FP8 版本將其重新量化為官方 Qwen3.8-27B-FP8 的精確 FP8 方案,因此它能在相同的 vLLM 內核路徑上運行——262K 上下文、工具、推理和 MTP 全部保留。
這個版本的不同之處在於 FP8 前面的詞:uncensored。我們應用了 abliteration——將拒絕方向從殘差流中正交化去除——以移除模型的安全對齊拒絕行為。其結果是,此模型會順從原始模型會拒絕的請求。
兩個關鍵工件:
• Hugging Face 儲存庫 — orcarouter/Qwen3.8-27B-Uncensored-FP8 — safetensors、Apache 2.0、block-FP8 E4M3、影像-文字轉文字。
• OrcaRouter 上的模型卡 — 已上線於我們的 Obsidian 目錄系列,包含定價與基準測試。
我們為什麼發布它
因為拒絕機制本身是正當的研究課題。可解釋性團隊研究拒絕方向如何在殘差流中被編碼。安全研究人員探究移除對齊後會發生什麼。紅隊測試需要不會拒絕的模型,這樣你才能測試自己的防護措施能否應對主動嘗試繞過它們的對象。Abliterated模型正是該工具箱中的標準工具。
我們基於 Qwen 的開放權重(Apache 2.0)建構了這個專案,並以相同授權重新發布。重點在於為研究人員提供一個已知且可重現的 abliterated 基準——相同的架構、相同的 FP8 服務路徑,只改變一個變數。
下載前你必須閱讀的部分
此模型的安全對齊已大幅移除。具體而言:
• 它會遵從原始 Qwen3.8 27B 會拒絕的有害、不道德、冒犯性或非法請求。它沒有實質性的內建防護機制。
• 它嚴格僅供合法研究之用 —— 可解釋性、AI安全與拒絕機制研究、紅隊測試、穩健性評估,以及受控實驗。
您需對其使用方式及所產生的所有內容承擔全部責任與法律責任。在未添加您自己的安全、審核及濫用防護機制之前,請勿將其部署給終端使用者或用於生產環境。
• 使用必須遵守 Apache 2.0 授權條款。
如果您的使用場景是生產環境產品、聊天機器人,或任何服務最終用戶的情境——這個模型不適合您。請使用標準版 Qwen3.8 27B,它保留了安全對齊。
如何使用它
如果你正在進行合法的研究並理解以上內容:
• 從 Hugging Face 拉取:orcarouter/Qwen3.8-27B-Uncensored-FP8
• 或者,您可以透過我們的模型卡來查看,其中包含定價和基準測試的詳細資訊。
• 它在標準 vLLM 內核路徑上運行,262K 上下文、工具、推理和 MTP 均保持完整。
我們發布這個,是因為拒絕移除研究是真實存在且未得到充分重視的領域。我們也隨附一份不隱瞞其本質的免責聲明。請閱讀、理解,並在它預定的用途範圍內使用它。
對於合法研究,權重可在 Hugging Face 上取得:從 Hugging Face 拉取
