LinkOrcaRouterTool
Das Modell demonstriert die technische Umsetzbarkeit von Abliteration bei hybriden Aufmerksamkeitsarchitekturen und spekulativem Decoding in Verbindung mit FP8-Quantisierung. Für Sicherheitsprüfungen und Red-Teaming liefert es eine Benchmark-Referenz, verdeutlicht jedoch zugleich das Risiko, dass standardmäßige Sicherheitsbeschränkungen in Open-Weight-Modellen nachträglich fast vollständig neutralisiert werden können.
Die Implementierung zeigt, wie präzise Representation Engineering in modernen LLMs greift: Die Modifikation beschränkt sich rein auf das Herausrechnen eines einzelnen Richtungsvektors aus den Residuen, während das Sprach- und Bildverständnis intakt bleibt. Da das Quantisierungsschema exakt dem offiziellen Qwen-FP8-Build entspricht, lässt sich das Modell nahtlos in Inferenz-Engines wie vLLM oder SGLang einbinden. OrcaRouter warnt explizit davor, das Modell ohne nachgelagerte Schutzschichten im Produktiveinsatz für Endnutzer bereitzustellen.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:PocketAiHub
PocketAiHub hat eine inoffizielle Reihe von MLX-Konvertierungen des multimodalen Modells Qwen3.8-27B veröffentlicht. Durch 'Abliteration' wurde das antrainierte Verweigerungsverhalten (Refusals) modifiziert. Das Repository bietet Quantisierungen von 2-Bit AWQ bis BF16 speziell für Apple Silicon.
X-Post:Samuel Cardillo
Samuel Cardillo verweist auf die Veröffentlichung unzensierter Modellgewichte für Qwen3.8 27B FP8 durch OrcaRouter und merkt an, Anthropic werde darüber verärgert sein. Die Gewichte wurden laut OrcaRouter speziell für Sicherheitsforschung und KI-Red-Teaming bereitgestellt.
604Lesezeichen227.895Aufrufe
Link:Qwen
Das Qwen-Team hat mit Qwen3.8-27B ein kompaktes, dichtes Vision-Language-Modell unter der Apache-2.0-Lizenz veröffentlicht. Das 27-Milliarden-Parameter-Modell kombiniert Gated DeltaNet mit regulärer Attention, versteht Bilder sowie Videos und bietet flexible Steuerungsmöglichkeiten für Denkprozesse.
X-Post:Trevor Wood
Trevor Wood und das PocketAI Model Lab haben optimierte MLX-Versionen des Modells Qwen3.8-27B für Apple Silicon veröffentlicht. Bei diesen Varianten wurden die antrainierten Verweigerungsmechanismen („Abliteration“) entfernt, und sie stehen in Quantisierungen von 2-Bit bis BF16 zur Verfügung.
3198Lesezeichen199.030Aufrufe
Link:Empero AI
Empero AI veröffentlicht Qwythos-27B-v1, ein vollständiges Open-Weight-Reasoning-Modell auf Basis von Qwen3.5-27B. Der Checkpoint behält Multi-Token-Prediction (MTP), Vision-Fähigkeiten und ein auf über 1 Million Token erweitertes Kontextfenster bei und wurde gezielt für Terminal- und Agenten-Workflows optimiert.
Link:Unsloth AI
Unsloth AI hat quantisierte GGUF-Versionen des neuen Modells Qwen3.8-27B unter der Apache-2.0-Lizenz bereitgestellt. Die Quantisierungen nutzen das neue Verfahren Dynamic V3.0, das gegenüber anderen Anbietern eine höhere Genauigkeit bei gleicher Dateigröße erzielen soll. Qwen3.8-27B ist ein 27 Milliarden Parameter starkes Vision-Language-Modell mit nativer Bild- und Videoverarbeitung, hybridem DeltaNet- und Attention-Aufbau sowie flexibler Steuerung von Denkprozessen.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
