Veröffentlicht am

Ein 9B-Modell, das fast nichts ablehnt, ist diese Woche der am meisten gelikte Download.

Autoren

Listen in English · Ein 9B-Modell, das fast nichts ablehnt, ist diese Woche der am meisten gelikte Download.

0:00 / 0:00

Watch in English · Ein 9B-Modell, das fast nichts ablehnt, ist diese Woche der am meisten gelikte Download.

DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic ist ein 9B-Reasoning-Modell, bei dem die Verweigerungsschicht entfernt wurde: 3 Verweigerungen bei 100 Testaufforderungen gegenüber 100 von 100 bei dem Modell, aus dem es entwickelt wurde, bei einer gemessenen KL-Divergenz von 0,0422. Es hat 27.000 Downloads und 7.500 Likes. Die Technik ist als Zahlen veröffentlicht, die jeder reproduzieren kann.

Ein am 30. Oktober veröffentlichtes Community-Modell ist zu einem der meist heruntergeladenen kleinen Modelle auf Hugging Face geworden: 27.037 Downloads und 7.585 Likes für ein Modell mit 9B Parametern, dessen ganzes Verkaufsargument ist, dass es Ihnen nicht die Antwort verweigert.

xtools-at/DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic ist eine entzensierte Version eines Reasoning-Fine-Tunes namens Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B. Die Zahlen in seiner Modellkarte sind der Grund, sie sich anzusehen: Im 100-Prompt-Verweigerungstest des Autors verweigert das Basismodell 100 von 100. Dieses verweigert 3.

27,037
Downloads seit 30. Oktober
7,585
Likes, mehr als bei den meisten 9B-Veröffentlichungen dieses Monats
9B
Parameter, Apache-2.0
0.0422
gemessene KL-Divergenz vom Basismodell

Was das Modell tatsächlich ist

Unter diesem Namen stecken zwei Arbeitsebenen, und nur die zweite ist der Skandal.

Die erste ist eine Destillation: DeepSeek-V4-Pro-Qwen3.5-9B nimmt Qwen3.5-9B und trainiert es auf etwa 250.000 Mathe- und MINT-Beispielen, die von DeepSeek-V4-Pro generiert wurden, in einem Modus, den sein Autor „Max Effect“ nennt. Das ist eine normale, achtbare Arbeit – ein kleines Modell, das den Reasoning-Stil eines viel größeren erbt, in sechs Sprachen (Englisch, Chinesisch, Koreanisch, Japanisch, Spanisch, Russisch), unter einer Apache-2.0-Lizenz.

Das Zweite ist die Bearbeitung. xtools-at führte ein Tool namens Heretic (v2.0.0.dev0) aus, das an den eigenen Gewichten des Modells das durchführt, was es Arbitrary-Rank Ablation nennt. Die Karte veröffentlicht die exakten Parameter: Schichten 9 bis 24, preserve_good_behavior_weight 0,8264, steer_bad_behavior_weight 0,0003, overcorrect_relative_weight 0,9645, 12 Nachbarn.

Das ist kein Jailbreak-Prompt. Es ist ein Rezept.

  1. DeepSeek-V4-Pro

    Ein Frontier-Modell, nur als Lehrer verwendet: Seine Reasoning-Traces werden im „Max Effect“-Modus erzeugt.

  2. ~250K Samples

    Mathematik- und MINT-Aufgaben und -Antworten, destilliert in einen viel kleineren Studenten.

  3. Qwen3.5-9B

    Der Student: neun Milliarden Parameter, sechs Sprachen, Apache-2.0 — auf einer GPU lauffähig.

  4. Heretic, Schichten 9–24

    Arbitrary-Rank Ablation schreibt die mittleren Schichten um; die Karte veröffentlicht jedes verwendete Gewicht.

Wie das Release gebaut wurde, in der Reihenfolge, in der die Karte es beschreibt.

Die entscheidende Zahl ist nicht die Verweigerungsrate

Fast jede Schlagzeile über ein solches Modell bleibt bei „es beantwortet alles“ stehen. Die interessante Zahl ist die andere: KL-Divergenz 0,0422.

Die KL-Divergenz misst, wie weit sich die Ausgabeverteilung des bearbeiteten Modells von der des Originals entfernt hat. Null würde keine Veränderung bedeuten; eine kleine Zahl bedeutet, dass das Modell sich fast überall noch wie es selbst verhält. Die Behauptung des Autors läuft im Kern darauf hinaus, dass man das Ablehnungsverhalten entfernen kann, während das Modell erhalten bleibt.

Ob das Bestand hat, ist die offene Frage, und die Karte ist ehrlich über die Grenzen: Es ist der eigene Test des Autors, auf dem eigenen Prompt-Set des Autors, ohne unabhängige Evaluation. Die Mathe-Behauptungen des Basismodells — GSM8K 94,50 % im Durchschnitt über vier Läufe auf einem NVFP4-Checkpoint, 92,40 % bei einem MMLU-Pro-Lauf mit drei Teilmengen — stammen aus derselben Linie und derselben Veröffentlichungspraxis.

Basismodell100 pro 100
Heretic-Version3 pro 100
Ablehnungen im 100-Prompt-Test des Autors, wie in der Modellkarte abgedruckt. Es gibt keine unabhängige Replikation.

Warum dies eine Governance-Geschichte ist, keine Gadget-Geschichte

Abliteration ist nicht neu. Was sich geändert hat, ist, dass sie jetzt eine veröffentlichte, parametrisierte, wiederholbare Operation an einem Modell ist, das klein genug ist, um auf einer Workstation zu laufen — und das Ergebnis kam in zwei Wochen auf 27.000 Downloads, ohne Launch, ohne Blogbeitrag und ohne Anbieter dahinter.

Das ist derselbe Punkt, den die Veröffentlichung von Qwen4-Max aus der anderen Richtung gemacht hat. Dort kam die Frontier, die Gewichte aber nicht. Hier kam ein Modell mit neun Milliarden Parametern mit entfernter Sicherheitsschicht und dem beiliegenden Rezept zu ihrer Entfernung.

Für ein Unternehmen ist die praktische Konsequenz eng begrenzt und unspektakulär: Die Modellherkunft ist jetzt Teil Ihrer Lieferkette. Ein heruntergeladener Checkpoint ist kein Produkt mit Garantie. Es ist eine Datei, die jemand bearbeitet hat, und die Bearbeitung ist gut genug dokumentiert, dass Sie sehen können, was gemacht wurde – was mehr ist, als Sie bei den meisten Fine-Tunes erhalten.

GSM8K, NVFP4, Mittelwert aus 4 Läufen94.5%
MMLU-Pro (Mathematik/Physik/Chemie)92.4%
Durchschnitt über drei Benchmarks90.53%
Im Veröffentlichungsmaterial angegebene Mathematik- und STEM-Werte für das Basismodell. Vom Autor berichtet, nicht unabhängig reproduziert.

Was Sie damit tun können

Wenn Sie lokale Modelle für Extraktion, Klassifizierung, Übersetzung oder Red-Teaming betreiben, ist diese Art von Release nützlich und günstig: 9 Mrd. Parameter, Apache-2.0, sechs Sprachen, eine GPU.

Wenn Sie Modellausgaben an Kunden ausliefern, bleiben drei Regeln durch dieses Release unverändert. Führen Sie Ihre eigene Evaluierung durch, bevor Sie einen Checkpoint einsetzen, den Sie nicht trainiert haben. Behandeln Sie eine fehlende Verweigerung als fehlenden Test, nicht als Feature. Und behalten Sie die Karte: Wenn etwas schiefgeht, sind die veröffentlichten Parameter das, was einer Prüfspur, die das offene Ökosystem bietet, am nächsten kommt.

Das Modell ist nicht die Geschichte. Die Tatsache, dass seine Änderungen von jedem mit einer GPU reproduzierbar sind, ist es.

Quelle: die Modellkarte und der Hugging-Face-API-Eintrag für xtools-at/DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, gelesen am 16. November 2026 (27.037 Downloads, 7.585 Likes, erstellt am 30. Oktober 2026, Apache-2.0); das verlinkte Basismodell Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B und seine Benchmark-Tabellen; die Ablehnungs- und KL-Werte sind die des Autors, wie in der Karte angegeben. Heretic wird in der Karte als v2.0.0.dev0 bezeichnet; wir haben weder das Tool noch das resultierende Modell evaluiert. Die Analyse stammt von uns.

Kontakt: [email protected]

Bitte beachten Sie, dass die deutsche Version von Ai unterstützt wird und daher geringfügige Fehler auftreten können.

AUTOR

Über ABN Asia: Ai-Banking-NetworkSecurity (ABN), ABN Asia wurde im Jahr 2012 gegründet und ist ein Unternehmen mit akademischem Hintergrund, das von Lehrkräften und ehemaligen Studierenden aus Ungarn, den Niederlanden, Russland, Deutschland und Japan gegründet wurde. Wir teilen eine gemeinsame Leidenschaft und eine klare Vision für Technologie, die Innovation und erstklassige Qualität für unsere Kunden bringt. Unser Motto lautet: Besser. Schneller. Sicherer. In vielen Fällen: Günstiger.

Zögern Sie nicht, uns zu kontaktieren, wenn Sie IT-Dienstleistungen, digitale Beratung, Standardsoftwarelösungen benötigen oder uns Angebotsanfragen (RFPs) senden möchten. Sie können uns unter [email protected] kontaktieren. Wir sind bereit, Ihnen bei all Ihren Technologiebedürfnissen zu helfen.

ABNAsia.org

© ABN ASIA