無審查模型排行榜：下載次數究竟在衡量什麼

要誠實地依能力替無審查模型排名，並沒有誠實可行的方式；每個聲稱做得到的排行榜，其實都悄悄在排別的東西——通常是下載次數，而那衡量的是散布程度，不是能力。所以這是另一種排行榜：一份來源帳冊。對於衍生自六個基礎模型的十五個儲存庫——其中十個建立於Qwen3.8-27B，其餘則基於 Qwen3.8-Flash-Next、Qwen-Image-2.1、Gemma-4-E4B、GLM-5.3 與 DeepSeek-V4.1-Flash——它記錄了權重來自哪個基礎模型、用來移除拒答行為的消融方法、檔案提供時採用的量化格式、儲存庫是否設有存取限制，以及截至 2026-10-21 的下載次數。排序依基礎模型，而非分數。如果你想要一個能告訴你該選哪個的數字，誠實的答案是那個數字還不存在——這正是本部落格現有無審查模型報導一再提出的論點，也是事件紀錄針對一般能力宣稱所提出的相同論點。

這份帳冊真正擅長的事不一樣，而且更有用：它告訴你有哪些產物存在、是誰做的、怎麼做的，以及其中哪些真的被取用。有趣的分歧就藏在最後那一欄裡。

就機制而言，下載次數是什麼

Hugging Face 的下載次數會在檔案被取得時增加——無論是個人、腳本、CI 工作、鏡像，還是第十一次拉取相同權重的評估框架。它是抓取次數計數器。它不是使用者數、不是安裝數，也不是品質訊號。一個提供 20 GB GGUF 的儲存庫，如果人們在每次失敗嘗試後重新下載，會累積比另一個提供 4 GB 量化檔、人們只抓取一次的更好儲存庫更多的抓取次數。

由此可見兩種結構性偏差，它們解釋了下方大部分的差異。首先，量化會帶動下載量：一個提供八種量化等級的 GGUF 儲存庫，會因使用者 VRAM 能容納哪個等級而被下載，而熱門等級還會隨著人們反覆嘗試而被重複下載。其次，檔案格式從根本上決定誰能使用它：未量化的 safetensors 版本只有具備全精度記憶體預算的人才能使用，因此其下載次數受硬體而非興趣所限。這就是為什麼同一模型的 GGUF 下載量幾乎總是以一個數量級超過其全精度版本，也是為什麼把這種落差解讀為品質評斷是範疇錯誤。

一個基礎，九種衍生品，差距達六十倍

Qwen3.8-27B 集群是樣本中最乾淨的自然實驗：下方卡片上的九個儲存庫全都可追溯至同一個 27B 基礎模型，全都表明相同目標——移除拒絕行為，下載次數卻相差極大。

前三名——JonathanColetti 的 2.58M、huihui-ai 的 abliterated GGUF 的 2.43M、HauhauCS 的 aggressive MTP build 的 2.36M——彼此相差不到百分之九，且都是在 2026 年 8 月中旬同一個為期四天的時間窗口內建立的。這種聚集並非巧合，也不是排名：這正是當多個衍生模型製作者在一週內基於同一個基礎模型各自採用略有不同的配方時，一次模型發布所呈現的樣子。

比較產物，而非次數。JonathanColetti、huihui-ai 與 0bserverx 都描述了針對同一個基礎模型的移除拒答行為編輯。DavidAU 的條目是一項合併——一個微調疊在另一個微調上，且儲存庫名稱中有一連串修飾詞，可追溯至先前的衍生版本，而非原始基礎模型。HauhauCS 的建置版本標榜 MTP，也就是多符元預測，這是速度特性，而非審查特性。這些是四種不同類別的產物，卻因為共享同一個父系而並列在同一份清單中。下載次數無法區分它們，而若排行榜按次數排序，就會把這個合併項目排在第四，並稱它是較差的 abliteration。

讚數與下載數相差超過二十倍

Hugging Face 也會記錄讚數，而這兩個計數器之間的比例，是樣本中最具資訊價值的衍生數字。該組織自家的 FP8 版本有 1,832 個讚、126,807 次下載——大約每 69 次下載就有 1 個讚。JonathanColetti 的版本下載次數高出二十倍，有 1,651 個讚：大約每 1,560 次下載才有 1 個讚。

那個落差不是某個儲存庫受到喜愛、另一個被忽視。它說明這兩個計數器衡量的是不同族群。下載數會隨想要該檔案的機器數量而增加；按讚數則隨曾造訪該頁面的 Hugging Face 帳號數量而增加。一個被推論服務供應商、測試框架和 CI 任務廣泛使用的儲存庫，其下載數會與任何人類參與程度不成比例，因為它大部分的流量並不是人。先看比率，再看計數：高下載數對按讚數的比率是一個訊號，表示該產物已成為基礎設施，而基礎設施流量完全無法告訴你這個模型好不好。

設閘會改變這個數字的意義

十五個儲存庫中有四個設有存取門檻，而這道門檻是來源欄位，並非可用性註腳。設有門檻的儲存庫仍會計入下載次數，但只計入已接受其條款的帳戶，因此其次數受存取族群而非興趣所限。將設有門檻的儲存庫下載次數與未設門檻者相比，是在比較兩個不同的分母。

樣本中最清楚的案例，是建立在一個未經審查的 27B 模型之上的資安衍生模型：下載次數 28,009，需經申請才能存取，建立於 2026-09-26。它是帳本中最新的儲存庫，也是下載量第二低的，而這兩項事實都不能作為其能力的證據。它只是尚未觸及會產生下載量的那群使用者，因為要取得它必須先提出申請。

這種模式可推而廣之，而這正是為什麼對任何進行盡職調查的人來說，需審核欄位比次數欄位更重要。十五個之中有三個——27B 的 FP8 與 GGUF 版本，以及 Flash-Next GGUF——需經自動核准；其餘則開放。一個未設門檻、未經審查且次數很高的模型，擁有大量一般使用者。一個需審核但次數很少的模型，可能正是安全團隊要找的，而下載數字永遠不會顯示這一點。

帳簿中另外四個基礎所顯示的內容

把範圍拉寬之後，計數欄位會變得更難以解讀，因為樣本並不具同質性。

• Qwen-Image-2.1，量化版本，下載次數 2,788,283 次。 帳本中最大的儲存庫是一個圖像模型。它不是未經審查的語言模型，而它的存在提醒我們，「未經審查」這個詞如今已成為一套套用於各種模態的標籤慣例，無論該產物實際上究竟是什麼。

• Qwen3.8-Flash-Next，GGUF，869,081 次下載，需申請授權。 較小的基礎模型，其衍生版本已累積相當的實際觸及規模，但僅為 27B 系列的一小部分。

• GLM-5.3、FP8、103,568 次下載。 被標示為資安用途版本，而非無審查版本，建構於不同的基礎模型系列之上。意圖不同，受眾相近。

• DeepSeek-V4.1-Flash、FP8、52,502 次下載。 單一儲存庫，沒有 GGUF 同類版本，也沒有 MLX 同類版本。其下載次數反映的是單一服務格式，因此硬體受眾較窄。

四種基準，同一個欄位卻有四種不同的解釋。任何排行榜若把它們混進同一份排序清單，所產生出來的數字，其意義就會逐列改變。

如何看懂沒有分數的帳本

這套閱讀準則很短，而且和你會套用於任何溯源記錄的準則相同。

• 從基礎模型開始。 兩個父系不同的儲存庫，無論名稱多麼相似，都無法比較。請注意，DavidAU 項目的父系是另一個衍生模型，而非原始模型。

• 接著是方法。 Abliteration、合併、MTP 調校、僅量化。第一種透過從權重中移除一個方向來改變行為；第二種透過混合權重來改變行為；第三種改變速度；第四種則完全不改變行為。

• 接著是格式。GGUF 適用於各種記憶體預算下的本機推論，FP8 適用於資料中心服務，MLX 適用於 Apple 晶片，未量化版本則用於參考與後續訓練。格式比品質更能預測下載量。

• 接著是關卡。開放、自動核准或受限。這個欄位最常解釋異常偏低的數字。

• 最後，是下載次數——而且只能作為同一格式內的比較。 將一個 GGUF 的下載量與另一個 GGUF 相比是合理的。將 GGUF 與 FP8 版本相比，則是在比較兩種分佈。

帳面資料完全幫不上忙的地方，正是每個人真正關心的問題：一旦拒答被移除，這些模型中哪一個表現最好。那需要實際跑過它們，而談到實際跑它們，最誠實的說法就是這個部落格以前用過的那一套——abliteration 移除的是一種行為，並沒有增加知識，所以較小的 abliterated 模型仍然做不到較大的基礎模型所做不到的事。

如果你想呼叫一個，而不是下載一個

這份帳冊大多與本地產物有關。Qwen3.8 27B 模型頁面：262K token 上下文，文字、圖像與影片輸入，以 block-FP8 提供服務，且視覺塔維持全精度，每百萬輸入 token 收費 $0.40，每百萬輸出 token 收費 $4.21。其公布的七日流量數字為 6.452 億個 token，這是頁面上最接近需求訊號的指標——並請注意，這是 token 數量，不是下載次數，這使其成為完全不同的衡量方式。

要精確說明那個頁面是什麼、不是什麼。它是在 obsidian 廠商 slug 下託管的 27B 模型，並且與其他所有項目一樣，在同一個閘道上按 token 計價。它與上述帳本中的任何儲存庫都不是同一個產物：該組織也在 Hugging Face 上發布未審查的 FP8 版本，那是可下載檔案，下載次數為 126,807，而提供服務的模型是部署，具有 token 數量。一個數字衡量的是取得次數；另一個衡量的是呼叫次數。兩者都不是能力分數，也都不能取代測試你關心的行為。

這正是沒有分數的排行榜所持的全部論點。下載數告訴你大家實際取了什麼；按讚數告訴你哪些人曾經過這個頁面；權限閘門告訴你誰從一開始就被允許取用；來源資訊則告訴你實際拿到的是什麼。唯一缺的，就是所有人都想要的那樣東西——而在有人針對這些成品，在它們宣稱適用的任務上發表可重現的評估之前，任何排名都只會是披著量測外衣的發明。