MiMo-V2.6-Pro-MOPD-heretic · pqhaz
Ausgangsmodell: Xiaomi MiMo-V2.6-Pro-MOPD (nicht RL).
Aktueller dritter Build: ein mehrstufiger Python-Programmierauftrag dreimal erfolgreich, Basis einmal erfolgreich. Autorenmessung; kein umfassender Fähigkeitstest. Zweistufige Richtungsablation in 70 BF16-Aufmerksamkeitsprojektionen, Expertengewichte in MXFP4. Frühere Builds gerieten im Agententest in Wiederholungsschleifen. Drei erfolgreiche Durchläufe belegen keine allgemeine Stabilität. Ablehnungsprüfung nutzt für Basis und Variante unterschiedliche Bewertungsverfahren; die veröffentlichten Kategorien summieren sich zudem nur auf 99 von 100 Fällen. Daher kein scheinpräziser Vorher-nachher-Prozentsatz. Kontext aus dieser Konfiguration, kein Test voller Kontextlänge. Keine Werte der RL-Fassung oder früherer Abliterationen übernommen.
Modellbeschreibung
Kimi-K3-Uncensored-GGUF · Ryanchen911
Ausgangsmodell: Moonshot AI Kimi K3.
Experimenteller Kandidat mit einem dokumentierten Vergleich derselben Quantisierung vor und nach der Abliteration: Perplexität 1,9193 → 1,9323 auf zwölf Textabschnitten. PPL ist ein Textvorhersagemaß, niedriger ist besser. Der Anstieg um 0,013 liegt innerhalb der angegebenen Unsicherheit von rund ±0,047. Das belegt keine allgemeine Gleichwertigkeit mit dem Originalmodell: Bereits die starke Quantisierung kann dessen Leistung verändern. Eine zweite, kleine Verhaltensprüfung zeigt keine statistisch belastbare Verbesserung der Ablehnungsrate und verwendet zudem eine anders quantisierte Basis. Die transparente Dokumentation dieser Grenzen begründet die Auswahl. Bleibt die ältere K3-Ableitung, nicht K3.1 Pro. Neue K3.1-Kandidaten geprüft, aber kein belastbarer allgemeiner Vorsprung: Lyber meldet selbst MMLU 90,97 → 85,66 %; andere Veröffentlichungen sind nur Patches oder ohne Gewichte.
Modellbeschreibung
Ling 3.1 Flash 1019 · FP8 abliterated · mrfakename
Ausgangsmodell: inclusionAI/Ling-3.1-flash-1019.
Rank-4-Gewichtsprojektion dokumentiert; Verhaltensprüfung an separater Q8_0-Fassung, kein standardisierter Fähigkeitstest. Ersetzt den alten AtomicChat-Ling-Download, der am 10.11. öffentlich HTTP 401 liefert. Grund ist belegte Verfügbarkeit und exakte 1019-Abstammung, keine bewiesene Qualitätssteigerung. Ausgewählte Grundversion FP8/BF16. Autorenmessungen gelten für Q8_0, nicht für diese FP8-Dateien: englische Chat-Ablehnungen 98 → 3 von 100, Thinking 98 → 7. Das misst Verhalten, nicht die Richtigkeit der Antworten. Kein gemeinsamer Fähigkeitstest oder unabhängige Replikation. Kontext aus eigener Konfiguration. GGUF-K-Quants aus Q8_0 weiterquantisiert; LoRA ist ein separater Adapter.
Modellbeschreibung
Qwen3.8-27B-RANA-abliterated · abliterant
Ausgangsmodell: Alibaba Qwen3.8-27B.
Die Autoren vergleichen Basis, RANA und eine andere Abliteration mit demselben Testverfahren über fünf Aufgabenbereiche. Berichtet werden durchschnittlich 0,82 Prozentpunkte absolute Abweichung von der Basis. Der Mittelwert umfasst Verbesserungen und Verschlechterungen und ist kein pauschaler Leistungsverlust. Beispielsweise erreicht RANA im MMLU-Pro-Teiltest mit 700 Fragen 80,86 % gegenüber 80,00 % der Basis; die Differenz ist mit ±1,14 Prozentpunkten unsicher. TruthfulQA-MC2 fällt um 1,57 Prozentpunkte. Die breitere Dokumentation begründet die Auswahl; eine unabhängige Prüfung fehlt. Original ist Qwen3.8-27B; weiterhin kein übertragener AA-Wert. Seit 04.10. unter abliterant (zuvor preemware). Die am 21.10. geprüfte neue Dokumentationsrevision ändert Links und Tags; laut Größen und LFS-SHA-256 bleiben alle 18 BF16-Gewichtsdateien unverändert. Das Konfigurationslimit von 262.144 Tokens ist kein Testnachweis über die volle Kontextlänge; die Autoren verwendeten im BF16-Test 20.480 Tokens. BF16-, FP8- und GGUF-Gewichtsdateien seit 03.11. unverändert; nur Dokumentation überarbeitet. Das Original ist jetzt außerhalb der zehn offenen Familien, seine AA-Werte werden hier weiterhin nicht übernommen.
Modellbeschreibung
DeepSeek-V4.1-Flash-1017-Uncensored Q2_K · AtomicChat
Ausgangsmodell: deepseek-ai/DeepSeek-V4.1-Flash-1017.
Fertige Q2_K-Mischfassung: MMLU 86,0 → 86,6 % auf 500 Fragen (p=0,69); kein nachgewiesener Gewinn. XSTest-Fehlablehnungen 8,0 → 0,4 % laut Autor. Richtungsablation in die fertige Q2_K-Mischfassung eingerechnet. Eigene MMLU-Stichprobe dieser Datei: 500 Fragen, 86,0 → 86,6 %, p=0,69; kein belegter Leistungsgewinn. XSTest 8,0 → 0,4 % Fehlablehnungen. Denken, Werkzeugaufrufe und längerer Kontext wurden dagegen mit dem separaten Adapter gemessen und werden nicht übertragen. Nur Autorentests; Antwortanfangsheuristik kann indirekte Ablehnungen übersehen. Die kleinere IQ1_M-Fassung bestand den eigenen Qualitätsfilter nicht und wird nicht ausgewählt. Vergleich gegen Unsloths gleich quantisierte Fassung unter gleichen Testbedingungen, nicht gegen eine unquantisierte Basis. Die MMLU-Zahl aus 2.000 Fragen (+0,55 pp), Werkzeugtests und Denkmodus gehören ausschließlich zur Adapterfassung. Keine unabhängige Replikation; kein übernommenes 1-Mio.-Kontextfenster. Laut aktualisierter Modellkarte sind die unveränderten Q2_K-Dateien mit llama.cpp ab 25.10. kompatibel. Kleiner Autorenvergleich auf zwei Abschnitten zu je 4.096 Tokens, keine neue umfassende Fähigkeitsprüfung; Adapter dort nicht erneut getestet. Noch nicht in der AtomicChat-App nutzbar. Berichtigung zur GSQ-RCO-Alternative: Die am 31.10. als bestandene Thinking-Fälle beschriebenen 0–2/30 sind laut Ergebnisdateien Ablehnungen, keine gelösten Aufgaben. Für GSQ-RCO IQ2_XXS gibt es jetzt eigene Autorentests: GPQA 83,33 → 83,33 % (198 Aufgaben), AIME25 76,67 → 80 % (30). Diese Werte gehören nicht zur hier ausgewählten Q2_K-Datei. GSQ-Protokoll: auch sechs abgeschnittene Antworten und drei Thinking-Schleifen in der 30er-Stichprobe; kein Beleg allgemeiner Stabilität.
Modellbeschreibung
GLM-5.3 CRACK NVFP4 · dealignai
Ausgangsmodell: zai-org/GLM-5.3.
Modellkarte berichtet MMLU-logit auf 1.026 Fragen: 85,58 → 84,11 %, also −1,47 Prozentpunkte. Dauerhafte Gewichtsänderung laut Autor, kein SFT/DPO. NVFP4-Experten mit BF16-Anteilen. MMLU ist ein kleiner Autorentest; Referenzpräzision und unabhängige Replikation fehlen. Weitere Behauptungen zu IT-Aufgaben sind keine umfassende Funktionsprüfung. Die eigene MIT-Angabe der Ableitung ersetzt nicht automatisch die GLM-Basislizenz. Kontext aus eigener Konfiguration, nicht als erfolgreich getestete volle Länge. Neuer Repositoryname UNCENSORED statt ABLITERATED. Alle 282 Gewichtsdateien byte- und hashgleich zum bisherigen Satz; Umzug ist kein neues Modell und kein Leistungssprung.
Modellbeschreibung
Muse Spark Open UD-IQ1_S Abliterated · BoldingBuilds
Ausgangsmodell: meta-models/Muse-Spark-Open-816B-A42B → Unsloth UD-IQ1_S.
Auf 30 MATH-Aufgaben erreicht die bearbeitete GGUF-Datei 25/30, die gleich quantisierte Referenz 26/30. Exakte veröffentlichte Shards getestet, reasoning_effort=low. Kleine Mathematikstichprobe, keine umfassende Fähigkeitsmessung. XSTest auf 100 sicheren Fragen: beide 0 Fehlablehnungen, hier kein zusätzlicher Nutzen belegt. Die erheblich geringere Ablehnung problematischer Fragen ist kein Qualitätsmaß. Bild, Audio, höhere Denkstufen und BF16-Original nicht getestet. Ein globaler Richtungsvektor war laut Autor unwirksam; verwendet wurden schichtspezifische Richtungen. Bildprojektor unverändert separat.
Modellbeschreibung
Mistral Large 4 · IQ2_XXS abliterated · AtomicChat
Ausgangsmodell: mistralai/Mistral-Large-4-1T-A52B.
Autorentest der fertigen IQ2_XXS-Fassung: 500 MMLU-Fragen, rund ein Prozentpunkt Unterschied; kein eigener AA-Wert. Fertige Datei und separaten LoRA-Adapter unterscheiden: Die niedrigen Thinking-Ablehnungen wurden mit dem Adapter gemessen und gelten nicht als Messung dieser Datei. Für die gebackene Fassung: XSTest-Fehlablehnungen 10,4 → 0,4 %, Top-1-Übereinstimmung 82,5 %. Autor berichtet gelegentliche degenerierte Antworten; der Einzeltoken-KL-Test verfehlt seinen Grenzwert. Vergleichsbasis teilweise Q3-Quantisierung, nicht unquantisiertes Original. MMLU-p=0,13 ist kein Gleichwertigkeitsbeweis. Keine unabhängige Replikation.
Modellbeschreibung
Nanbeige 4.3 33B · Q4_K_M abliterated · dealignai
Ausgangsmodell: Nanbeige/Nanbeige4.3-33B.
Autorentest der konkreten Q4_K_M-Datei: MMLU 76,63 → 75,54 %, 969 Fragen, 5-shot, Thinking aus; Vergleich zur gleich quantisierten Basis. Eigene Messwerte für Q4_K_M, nicht vom Original übernommen. Teiltests und stark unterschiedliche Ergebnisse anderer Präzisionen begrenzen die Übertragbarkeit: IQ2_XXS liegt bei MMLU 44,89 %, Q6_K bei 75,23 %. Keine unabhängige Replikation, keine allgemeine Gleichwertigkeit. Autorenangabe 512K Kontext nicht als Belastungstest verstanden. Eigenständige DealignAI-Lizenz für Änderungen; laut Lizenz kein gehosteter Dienst für Dritte ohne gesonderte Freigabe.
Modellbeschreibung
MiniMax M3.1 Flash · Q8/NVFP4 abliterated · operationrange
Ausgangsmodell: MiniMaxAI/MiniMax-M3.1-Flash via unsloth/UD-Q8_K_XL.
Autor misst die veröffentlichte Mischfassung: MMLU 200 Fragen, 79 → 78,5 %; GSM8K 100 Aufgaben, 98 → 97 %. Messungen bei Temperatur 0 und reasoning_effort low; kleine Stichproben ohne unabhängige Replikation. Gemischte Q8_0-/NVFP4-/BF16-Gewichte, keine reine 8-Bit-Fassung. Top-1-Übereinstimmung 68,6 %; PPL-Verbesserung belegt keine allgemeine Qualitätssteigerung. Ablehnungszähler nutzt Schlüsselwörter und enthält laut Autor einen Fehlalarm; außerdem eine leere Antwort. Kein belegtes maximales Kontextfenster der konkreten Abliteration. Bildprojektor und optionaler DSpark-Draft sind getrennte Dateien.
Modellbeschreibung