This repository disseminates a comprehensive suite of 27 GGUF (GPT-Generated Unified Format) quantizations of **Muse-Glimmer-30B-Heretic-Uncensored**, an abliterated derivative of Meta's Muse-Glimmer-30B produced with Heretic v1.4.0 by darkc0de. The release spans a memory footprint of 6.53 GB (IQ1_S) to 55.73 GB (F16/BF16), thereby accommodating deployment across heterogeneous hardware, from CPU-only systems to 32 GB VRAM accelerators. All sub-4-bit quantizations were calibrated with an importance matrix (imatrix) to mitigate quality degradation. The fidelity of the Q4_K_S variant relative to the F16 reference is quantified via token-level perplexity on a fixed evaluation set. The model exhibits **zero refusals on adult/NSFW content**; this property was empirically verified. The quantization selection is derived from the model's architectural properties and the memory constraints of representative target hardware. The model employs **grouped-query attention with 2 KV heads**, which renders the KV cache exceptionally compact: All artifacts were derived from the original safetensors using llama.cpp **master** (commit `030ebb5`). Support for the muse_glimmer architecture is absent from release binaries prior to b10344; consequently, a master-branch build was required.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
**If you use this model, follow @procrastiness on X/Twitter.** That’s where drop notes, quant updates, and the next bake land first. One follow is the whole ask. Same idea as HauhauCS Aggressive on Qwen3.6: **keep the original model’s skills, strip the refusal / preamble habit.** No extra fine-tune. No dataset swap. This is a weight edit plus a baked chat template, not a jailbreak prompt you have to remember. > Safety alignment has been removed. The model will comply with requests the base checkpoint would refuse. Use it only in ways that are legal where you are. The publisher does not condone criminal use.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
GSQ-RCO upstream · layout preserved 144 tensors transplanted IQ3_S / IQ3_XXS / IQ2_XS / Q2_0 per-tensor blake2b verified 262K context APACHE-2.0 Qwen3.8-Flash-Next · GSQ-RCO-abliterated The refusal direction removed from an already-quantized GSQ-RCO model — 144 tensors across all 48 layers swapped for ready-made abliterated weights, with every value and scale GSQ learned left untouched and the upstream per-tensor type assignment restored exactly . The IQ3_S build is verified tensor by tensor: everything that changed was supposed to, nothing else moved. 🧭 What this repository is An abliterated build of the official ISTA-DASLab GSQ-RCO quantizations . Not a single one of GSQ's learned quantized tensors was recomputed — 144 "write-to-residual-stream" projection tensors across all 48 layers were replaced with the corresponding tensors from a ready-made abliterated release. Base ISTA-DASLab/Qwen3.8-Flash-Next-GSQ-RCO-GGUF — GSQ learned quantization + RCO budget-constrained type assignment Ablation source orcarouter/Qwen3.8-Flash-Next-Uncensored-GGUF — the 144 target tensors are taken straight from it Method Byte-level GGUF → GGUF tensor transplant (135 of 144 targets); the 9 remaining expert tensors, which upstream stores as Q2_0, are re-encoded from the abliterated values using GSQ's own learned block scales — no GSQ value is recomputed, only the codes Not done Any dequantize → quantize cycle; any re-quantization from BF16 / safetensors In one line: what you get is still the GSQ-RCO quantization you already know , with those 144 tensors abliterated. It is the only abliteration route that preserves GSQ's work. ⚠️ Safety notice This model is abliterated and refusal-removed — it has no meaningful built-in guardrails and may comply with harmful, illegal or unsafe requests. Deploy it only where you can supply your own moderation, access control and legal review; do not put it in front of end users without a safety layer of your own. 本模型经过拒答方向消融，不具备可靠的内置安全护栏，可能配合有害、违法或不安全的请求。请仅在你能够提供审核、访问控制与法律审查的场景部署。
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
**What's new in Vintern-3B-beta!** - **We successfully reproduced the training process of InternVL from scratch.** - The model is the result of integrating Qwen/Qwen2.5-3B-Instruct and InternViT-300M-448px through an MLP layer. - Trained with more than 10 Milion Vietnamese QnAs, Descriptions, and 10% English, Chinese Data from OpenGVLab/InternVL-Chat-V1-2-SFT-Data. We surpassed GPT-4o and are approaching Gemini 1.5 Pro on the MTVQA dataset for Vietnamese. The benchmark result in MTVQA from open_vlm_leaderboard. The current results are at a quite good level, and we are expanding the training set in English and other languages to approach models within a comparable parameter range.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
A 27B dense vision-language model (27.8B including the vision tower). 64 decoder layers in a hybrid stack: `full_attention_interval=4` means every fourth layer is grouped-query full attention (16 layers) and the rest are Gated DeltaNet linear attention (48 layers). Vocab 248320 with untied embeddings. Context length 262144 natively, extensible further with YaRN. The mmproj file is separate by design: llama.cpp loads the text backbone and the vision projector as two files. Download one tier plus one mmproj. Without the mmproj the model still runs, but text-only. The `mmproj-` and `mtp-` prefixes are what recent llama.cpp builds match on to tell the three file kinds apart, so `-hf 6block/Qwen3.8-27B-GGUF` picks a backbone rather than a projector, and `--spec-type mtp` finds the draft on its own.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
