- Diterbitkan pada
Model 9B yang hampir tidak menolak apa pun adalah unduhan paling disukai minggu ini.
- Penulis

- Nama
- AbnAsia.org
- @steven_n_t
Listen in English · Model 9B yang hampir tidak menolak apa pun adalah unduhan paling disukai minggu ini.
0:00 / 0:00
Watch in English · Model 9B yang hampir tidak menolak apa pun adalah unduhan paling disukai minggu ini.
DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic adalah model penalaran 9B dengan lapisan penolakan yang diablasi: 3 penolakan dalam 100 prompt uji, dibandingkan 100 dalam 100 untuk model asal yang menjadi dasar pembuatannya, pada divergensi KL terukur sebesar 0,0422. Model ini memiliki 27.000 unduhan dan 7.500 suka. Teknik ini dipublikasikan sebagai angka yang dapat dijalankan ulang oleh siapa pun.
Sebuah model komunitas yang dipublikasikan pada 30 Oktober telah menjadi salah satu model kecil yang paling banyak diunduh di Hugging Face: 27.037 unduhan dan 7.585 suka, untuk model berparameter 9B yang seluruh daya tariknya adalah bahwa model tersebut tidak akan menolak Anda.
xtools-at/DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic adalah versi tanpa sensor dari sebuah fine-tune penalaran bernama Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B. Angka-angka di kartunya adalah alasan untuk melihatnya: dalam uji penolakan 100 prompt milik penulis, model dasar menolak 100 dari 100. Model ini menolak 3.
Apa sebenarnya model ini
Dua lapisan pekerjaan berada di bawah nama itu, dan hanya lapisan kedua yang merupakan skandal.
Lapisan pertama adalah distilasi: DeepSeek-V4-Pro-Qwen3.5-9B mengambil Qwen3.5-9B dan melatihnya pada sekitar 250.000 sampel matematika dan STEM yang dihasilkan oleh DeepSeek-V4-Pro, dalam apa yang penulisnya sebut mode "Max Effect". Itu adalah karya yang normal dan terhormat — model kecil yang mewarisi gaya penalaran model yang jauh lebih besar, dalam enam bahasa (Inggris, Tionghoa, Korea, Jepang, Spanyol, Rusia), dengan lisensi Apache-2.0.
Yang kedua adalah penyuntingan. xtools-at menjalankan alat bernama Heretic (v2.0.0.dev0), yang melakukan apa yang disebutnya Arbitrary-Rank Ablation pada bobot model itu sendiri. Kartu tersebut mempublikasikan parameter persisnya: lapisan 9 hingga 24, preserve_good_behavior_weight 0.8264, steer_bad_behavior_weight 0.0003, overcorrect_relative_weight 0.9645, 12 tetangga.
Itu bukan prompt jailbreak. Itu resep.
DeepSeek-V4-Pro
Model frontier, digunakan hanya sebagai guru: jejak penalarannya dihasilkan dalam mode "Max Effect".
~250K sampel
Soal dan jawaban matematika dan STEM, disuling ke dalam siswa yang jauh lebih kecil.
Qwen3.5-9B
Siswa: sembilan miliar parameter, enam bahasa, Apache-2.0 — dapat dijalankan pada satu GPU.
Heretic, lapisan 9–24
Arbitrary-Rank Ablation menulis ulang lapisan tengah; kartu tersebut menerbitkan setiap bobot yang digunakan.
Angka yang penting bukanlah tingkat penolakan
Hampir setiap judul berita tentang model seperti ini berhenti pada "ia menjawab apa pun". Angka yang menarik adalah yang satunya: divergensi KL 0,0422.
Divergensi KL mengukur seberapa jauh distribusi keluaran model yang diedit telah bergeser dari aslinya. Nol berarti tidak ada perubahan; angka yang kecil berarti model masih berperilaku seperti dirinya sendiri hampir di semua hal. Klaim penulisnya, pada dasarnya, adalah bahwa Anda dapat menghapus perilaku menolak sambil tetap mempertahankan model.
Apakah hal itu berlaku masih menjadi pertanyaan terbuka, dan kartu tersebut jujur tentang batasannya: ini adalah pengujian penulis sendiri, pada set prompt penulis sendiri, tanpa evaluasi independen. Klaim matematika model dasar — GSM8K 94,50% yang dirata-ratakan dari empat eksekusi pada checkpoint NVFP4, 92,40% pada eksekusi MMLU-Pro tiga subset — berasal dari garis keturunan dan praktik publikasi yang sama.
Mengapa ini adalah cerita tata kelola, bukan cerita gadget
Abliterasi bukan hal baru. Yang berubah adalah bahwa kini itu merupakan operasi yang dipublikasikan, berparameter, dan dapat diulang pada model yang cukup kecil untuk dijalankan di workstation — dan hasilnya melewati 27.000 unduhan dalam dua minggu tanpa peluncuran, tanpa pos blog, atau tanpa vendor di belakangnya.
Itu adalah poin yang sama yang dibuat oleh rilis Qwen4-Max dari arah sebaliknya. Di sana, frontier datang tetapi bobotnya tidak. Di sini, model sembilan miliar parameter datang dengan lapisan keamanannya dihapus dan resep penghapusannya disertakan.
Bagi sebuah perusahaan, konsekuensi praktisnya sempit dan tidak glamor: asal-usul model kini menjadi bagian dari rantai pasok Anda. Checkpoint yang diunduh bukanlah produk bergaransi. Itu adalah berkas yang telah diedit seseorang, dan editnya didokumentasikan cukup baik sehingga Anda dapat melihat apa yang dilakukan — yang lebih dari yang Anda dapatkan dari sebagian besar fine-tune.
Apa yang harus dilakukan dengan ini
Jika Anda menjalankan model lokal untuk ekstraksi, klasifikasi, terjemahan, atau red-teaming, kelas rilis ini berguna dan murah: 9B parameter, Apache-2.0, enam bahasa, satu GPU.
Jika Anda mengirimkan keluaran model kepada pelanggan, tiga aturan tetap berlaku tanpa perubahan dalam rilis ini. Jalankan evaluasi Anda sendiri sebelum men-deploy checkpoint yang tidak Anda latih. Anggap tidak adanya penolakan sebagai tes yang hilang, bukan fitur. Dan simpan kartunya: ketika ada yang salah, parameter yang dipublikasikan adalah hal terdekat dengan jejak audit yang ditawarkan ekosistem terbuka.
Modelnya bukan inti ceritanya. Faktanya, suntingannya dapat direproduksi oleh siapa pun yang memiliki GPU.
Sumber: kartu model dan entri API Hugging Face untuk xtools-at/DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, dibaca 16 November 2026 (27.037 unduhan, 7.585 suka, dibuat 30 Oktober 2026, Apache-2.0); model dasar tertaut Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B dan tabel benchmark-nya; angka penolakan dan KL adalah milik penulis sendiri, sebagaimana tercetak di kartu. Heretic disebutkan oleh kartu sebagai v2.0.0.dev0; kami tidak mengevaluasi alat tersebut atau model yang dihasilkan. Analisis adalah milik kami.
Kontak: [email protected]
Harap dicatat bahwa versi bahasa Indonesia didukung oleh AI dan karena itu mungkin terjadi kesalahan kecil.
Penulis
Ai-Banking-NetworkSecurity (ABN), ABN ASIA didirikan oleh orang-orang dengan akar yang kuat di dunia akademis, dengan pengalaman kerja di Amerika Serikat, Belanda, Hungaria, Jepang, Korea Selatan, Singapura, dan Vietnam. ABN Asia adalah tempat di mana akademik dan teknologi bertemu dengan peluang. Dengan solusi terdepan kami dan layanan pengembangan perangkat lunak yang kompeten, kami membantu bisnis untuk meningkatkan level dan bersaing di panggung global. Komitmen kami: Lebih Cepat. Lebih Baik. Lebih handal. Dalam kebanyakan kasus: Lebih murah juga.
Jangan ragu untuk menghubungi kami jika Anda membutuhkan layanan IT, konsultasi digital, solusi perangkat lunak siap pakai, atau jika Anda ingin mengirimkan permintaan proposal (RFP). Anda dapat menghubungi kami di [email protected]. Kami siap membantu Anda dengan semua kebutuhan teknologi Anda.

© ABN ASIA