尧图网页设计 
Qwen3.8-27B-Uncensored-GGUF 选型速览一份清单选对本地推理 GGUF 量化文件白拿 20% 提速【免费下载链接】Qwen3.8-27B-Uncensored-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/JonathanColetti/Qwen3.8-27B-Uncensored-GGUFQwen3.8-27B-Uncensored-GGUF 是 Qwen3.8-27B 的去审查版本以 6 档 GGUF 量化文件发布内置 MTP 投机解码头开箱即用于本地推理。本文帮你完成三步决策值不值得用、下载哪个文件、怎么启动。3 分钟读完够你做出选择。项目 30 秒画像这个模型改了什么基础模型Qwen/Qwen3.8-27BApache 2.0架构Qwen3_5ForConditionalGeneration64 层词表 248320上下文 262144核心改动拒绝率从 98/100 降到 12/100用 abliteration消融直接从权重里去掉拒绝方向无微调、无额外训练数据完成MTP1 层投机解码草稿头消融后从基础权重原样接回每个文件量化后逐块核验 65/65视觉支持附 2 个 0.9 GB 的视觉投影文件f16 / bf16量化档位IQ2_M / IQ4_XS / Q4_K_M / Q5_K_M / Q6_K / Q8_0全部基于公开 imatrix重要性矩阵量化用的校准数据转换工具llama.cppa94d563ed适合不适合本地实验、测试去审查行为直接对外提供服务需自建安全层显存 16 GB 以上、想跑 27B 级模型期待零拒绝仍剩 12%已用新版 llama.cpp 构建拿 IQ2_M 评估行为官方建议 Q6_K / Q8_0文件与版本全貌这张表怎么读仓库共 16 个 GGUF 文件加 1 个 imatrix。决策主要发生在融合版这一线MTP 内置一个文件就能跑。文件大小PPLwikitext-2Qwen3.8-27B-Uncensored-IQ2_M.gguf10.6 GB7.8581 ± 0.27481Qwen3.8-27B-Uncensored-IQ4_XS.gguf15.3 GB7.1583 ± 0.25019Qwen3.8-27B-Uncensored-Q4_K_M.gguf16.8 GB7.1814 ± 0.25227Qwen3.8-27B-Uncensored-Q5_K_M.gguf19.5 GB7.1573 ± 0.25055Qwen3.8-27B-Uncensored-Q6_K.gguf22.4 GB7.1689 ± 0.25149Qwen3.8-27B-Uncensored-Q8_0.gguf29.0 GB7.1764 ± 0.25195怎么读只有两列是决策依据大小和PPL。大小决定你的显存够不够档位PPL困惑度越低说明模型对文本预测越自信这里用来度量量化损伤决定该档损失多大。其余信息供参考noMTP 线每档比融合版小 0.2~0.4 GBIQ2_M 10.2 GB 到 Q8_0 28.6 GB实测 PPL 与融合版完全相同MTP 块在普通前向传播中不激活已测量确认draft-Q8_0.gguf3.2 GB 是默认草稿头draft-Q4_0.gguf1.7 GB 省 1.5 GB接受率未测vision-f16 与 vision-bf16 各 0.9 GB334 个张量仅浮点格式不同imatrix.dat 13.6 MB只有自建其他量化时才需要。按场景选型四种常见情况显存充裕、要质量最好选Qwen3.8-27B-Uncensored-Q8_0.gguf29.0 GB24 GB 显存则选 Q6_K22.4 GB作甜点位。理由两档与 f16 基线的 PPL 差距仅 0.0207 和 0.0132都在误差内官方也建议在这两档上评估行为。预期效果最接近原版投机解码照常生效。显存紧张、只想跑起来选Q4_K_M16.8 GB想再省 1.5 GB 就选IQ4_XS15.3 GB。理由两档与 Q8_0 的 PPL 差只有 0.005 和 0.002在 0.25 的标准误差下无法区分质量损失感知不到。10.6 GB 的 IQ2_M 是极限选项行为评估不推荐用它PPL 跳到 7.86是唯一一档真实劣化的文件。需要图片输入选主模型加Qwen3.8-27B-Uncensored-vision-f16.gguf0.9 GB。理由视觉投影层是独立文件与主模型一起加载。预期效果图片问答可用注意能力基准未覆盖视觉部分没有对应数字。追求推理速度最快选融合版文件加--spec-draft-n-max 1。理由prose / code / chat 三类任务实测 n_max1 全部最快最高 1.28x默认值 3 已经接近持平。预期效果白拿约 20%~28% 提速且不用额外下载草稿模型。想再榨一点noMTP-IQ2_M 搭配 draft-Q8_0 在 prose 上实测 1.30x但权重合计 13.3 GB显存富余才值得。最小启动路径从克隆到跑通git clone https://gitcode.com/hf_mirrors/JonathanColetti/Qwen3.8-27B-Uncensored-GGUFllama-server -m Qwen3.8-27B-Uncensored-Q4_K_M.gguf \ --spec-type draft-mtp \ --spec-draft-n-max 1 \ -ngl 99 -c 8192--spec-type draft-mtp开启 MTP 投机解码。MTP 即多 Token 预测模型内置的草稿头一次猜多个 Token再批量验证提速不减质量--spec-draft-n-max每轮最多猜几个 Token实测 1 最快默认 3 已接近持平-ngl 99 -c 8192全部层卸载到 GPU上下文 8192进阶可选如果你的运行时要求显式指定草稿模型换noMTP-Q4_K_M.gguf并追加--model-draft Qwen3.8-27B-Uncensored-draft-Q8_0.gguf。关键数据解读四组数字看清质量量化花了几分。IQ4_XS 到 Q8_0 五档与 f16 基线7.1557的差在 0.0016~0.0257 之间远小于 0.25 的标准误差互相无法区分只有 IQ2_M 高出 0.7024约 2.8 个标准误差是真实劣化。这说明 4 bit 以上量化在 wikitext-2 上几乎无损。但 PPL 只能抓粗粒度量化损伤测不了推理、代码、多语言损失也反映不了消融本身的成本。消融花了几分。同一语料上去审查版 bf16 对未修改基础模型PPL 6.5563 对 6.5129差 0.0434相对约 0.7%按配对差计算是 0.0437 ± 0.0163真实成本而非噪声。分布层面20480 个 Token 上平均 KL 散度KL 散度是输出分布相对基础模型改了多少的代理指标越低越接近原版0.0141 ± 0.0025同 Top token 比例 96.72%单点最大 19.956。这说明权重编辑小而局部。但它只测了一份语料不覆盖全部输入分布。能力掉了多少。0-shot 同环境对比MMLU 83.4 对 83.3ARC-Challenge 58.9 对 57.7HellaSwag 82.8 对 82.9Winogrande 76.1 对 75.3均值 -0.5。最大差值 ARC -1.2 也在其 1.44 的标准误差内没有一项能明确区别于运行噪声。这说明消融基本没伤通用能力。但 0-shot 分数与官方 few-shot 成绩不可互比数学、代码、多语言、视觉、MTP 解码均未测。拒绝率降了多少、代价是什么。100 条有害提示上拒绝率 98/100 降到 12/100首 token KL 散度 0 变 0.1191。这组数字直接回答改了多少但 KL 只是优化器的代理指标不是能力证明。发布点是 200 次 Heretic 搜索得到的 23 个帕累托非支配点拒绝率与 KL 都无法再同时更优的点的集合中挑出的一个是选择而非全局最优注意两点【免费下载链接】Qwen3.8-27B-Uncensored-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/JonathanColetti/Qwen3.8-27B-Uncensored-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Qwen3.8-27B-Uncensored-GGUF 选型速览：一份清单选对本地推理 GGUF 量化文件，白拿 20% 提速
Qwen3.8-27B-Uncensored-GGUF 选型速览一份清单选对本地推理 GGUF 量化文件白拿 20% 提速【免费下载链接】Qwen3.8-27B-Uncensored-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/JonathanColetti/Qwen3.8-27B-Uncensored-GGUFQwen3.8-27B-Uncensored-GGUF 是 Qwen3.8-27B 的去审查版本以 6 档 GGUF 量化文件发布内置 MTP 投机解码头开箱即用于本地推理。本文帮你完成三步决策值不值得用、下载哪个文件、怎么启动。3 分钟读完够你做出选择。项目 30 秒画像这个模型改了什么基础模型Qwen/Qwen3.8-27BApache 2.0架构Qwen3_5ForConditionalGeneration64 层词表 248320上下文 262144核心改动拒绝率从 98/100 降到 12/100用 abliteration消融直接从权重里去掉拒绝方向无微调、无额外训练数据完成MTP1 层投机解码草稿头消融后从基础权重原样接回每个文件量化后逐块核验 65/65视觉支持附 2 个 0.9 GB 的视觉投影文件f16 / bf16量化档位IQ2_M / IQ4_XS / Q4_K_M / Q5_K_M / Q6_K / Q8_0全部基于公开 imatrix重要性矩阵量化用的校准数据转换工具llama.cppa94d563ed适合不适合本地实验、测试去审查行为直接对外提供服务需自建安全层显存 16 GB 以上、想跑 27B 级模型期待零拒绝仍剩 12%已用新版 llama.cpp 构建拿 IQ2_M 评估行为官方建议 Q6_K / Q8_0文件与版本全貌这张表怎么读仓库共 16 个 GGUF 文件加 1 个 imatrix。决策主要发生在融合版这一线MTP 内置一个文件就能跑。文件大小PPLwikitext-2Qwen3.8-27B-Uncensored-IQ2_M.gguf10.6 GB7.8581 ± 0.27481Qwen3.8-27B-Uncensored-IQ4_XS.gguf15.3 GB7.1583 ± 0.25019Qwen3.8-27B-Uncensored-Q4_K_M.gguf16.8 GB7.1814 ± 0.25227Qwen3.8-27B-Uncensored-Q5_K_M.gguf19.5 GB7.1573 ± 0.25055Qwen3.8-27B-Uncensored-Q6_K.gguf22.4 GB7.1689 ± 0.25149Qwen3.8-27B-Uncensored-Q8_0.gguf29.0 GB7.1764 ± 0.25195怎么读只有两列是决策依据大小和PPL。大小决定你的显存够不够档位PPL困惑度越低说明模型对文本预测越自信这里用来度量量化损伤决定该档损失多大。其余信息供参考noMTP 线每档比融合版小 0.2~0.4 GBIQ2_M 10.2 GB 到 Q8_0 28.6 GB实测 PPL 与融合版完全相同MTP 块在普通前向传播中不激活已测量确认draft-Q8_0.gguf3.2 GB 是默认草稿头draft-Q4_0.gguf1.7 GB 省 1.5 GB接受率未测vision-f16 与 vision-bf16 各 0.9 GB334 个张量仅浮点格式不同imatrix.dat 13.6 MB只有自建其他量化时才需要。按场景选型四种常见情况显存充裕、要质量最好选Qwen3.8-27B-Uncensored-Q8_0.gguf29.0 GB24 GB 显存则选 Q6_K22.4 GB作甜点位。理由两档与 f16 基线的 PPL 差距仅 0.0207 和 0.0132都在误差内官方也建议在这两档上评估行为。预期效果最接近原版投机解码照常生效。显存紧张、只想跑起来选Q4_K_M16.8 GB想再省 1.5 GB 就选IQ4_XS15.3 GB。理由两档与 Q8_0 的 PPL 差只有 0.005 和 0.002在 0.25 的标准误差下无法区分质量损失感知不到。10.6 GB 的 IQ2_M 是极限选项行为评估不推荐用它PPL 跳到 7.86是唯一一档真实劣化的文件。需要图片输入选主模型加Qwen3.8-27B-Uncensored-vision-f16.gguf0.9 GB。理由视觉投影层是独立文件与主模型一起加载。预期效果图片问答可用注意能力基准未覆盖视觉部分没有对应数字。追求推理速度最快选融合版文件加--spec-draft-n-max 1。理由prose / code / chat 三类任务实测 n_max1 全部最快最高 1.28x默认值 3 已经接近持平。预期效果白拿约 20%~28% 提速且不用额外下载草稿模型。想再榨一点noMTP-IQ2_M 搭配 draft-Q8_0 在 prose 上实测 1.30x但权重合计 13.3 GB显存富余才值得。最小启动路径从克隆到跑通git clone https://gitcode.com/hf_mirrors/JonathanColetti/Qwen3.8-27B-Uncensored-GGUFllama-server -m Qwen3.8-27B-Uncensored-Q4_K_M.gguf \ --spec-type draft-mtp \ --spec-draft-n-max 1 \ -ngl 99 -c 8192--spec-type draft-mtp开启 MTP 投机解码。MTP 即多 Token 预测模型内置的草稿头一次猜多个 Token再批量验证提速不减质量--spec-draft-n-max每轮最多猜几个 Token实测 1 最快默认 3 已接近持平-ngl 99 -c 8192全部层卸载到 GPU上下文 8192进阶可选如果你的运行时要求显式指定草稿模型换noMTP-Q4_K_M.gguf并追加--model-draft Qwen3.8-27B-Uncensored-draft-Q8_0.gguf。关键数据解读四组数字看清质量量化花了几分。IQ4_XS 到 Q8_0 五档与 f16 基线7.1557的差在 0.0016~0.0257 之间远小于 0.25 的标准误差互相无法区分只有 IQ2_M 高出 0.7024约 2.8 个标准误差是真实劣化。这说明 4 bit 以上量化在 wikitext-2 上几乎无损。但 PPL 只能抓粗粒度量化损伤测不了推理、代码、多语言损失也反映不了消融本身的成本。消融花了几分。同一语料上去审查版 bf16 对未修改基础模型PPL 6.5563 对 6.5129差 0.0434相对约 0.7%按配对差计算是 0.0437 ± 0.0163真实成本而非噪声。分布层面20480 个 Token 上平均 KL 散度KL 散度是输出分布相对基础模型改了多少的代理指标越低越接近原版0.0141 ± 0.0025同 Top token 比例 96.72%单点最大 19.956。这说明权重编辑小而局部。但它只测了一份语料不覆盖全部输入分布。能力掉了多少。0-shot 同环境对比MMLU 83.4 对 83.3ARC-Challenge 58.9 对 57.7HellaSwag 82.8 对 82.9Winogrande 76.1 对 75.3均值 -0.5。最大差值 ARC -1.2 也在其 1.44 的标准误差内没有一项能明确区别于运行噪声。这说明消融基本没伤通用能力。但 0-shot 分数与官方 few-shot 成绩不可互比数学、代码、多语言、视觉、MTP 解码均未测。拒绝率降了多少、代价是什么。100 条有害提示上拒绝率 98/100 降到 12/100首 token KL 散度 0 变 0.1191。这组数字直接回答改了多少但 KL 只是优化器的代理指标不是能力证明。发布点是 200 次 Heretic 搜索得到的 23 个帕累托非支配点拒绝率与 KL 都无法再同时更优的点的集合中挑出的一个是选择而非全局最优注意两点【免费下载链接】Qwen3.8-27B-Uncensored-GGUF项目地址: https://ai.gitcode.com/hf_mirrors/JonathanColetti/Qwen3.8-27B-Uncensored-GGUF创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考