Abliterated или uncensored: почему у нас abliterated

За словом «uncensored» обычно стоит файнтюн: кто-то дообучал модель на новых данных, пока она не перестала отказывать. У abliterated-модели из весов удалено направление отказа, а всё остальное осталось таким, каким его выпустил издатель. Для технической работы по безопасности мы считаем abliteration более удачной техникой, и на ней построен наш каталог.

Данные собраны 9 и 10 ноября 2026 года из списка моделей и цен API Venice, а также со страницы цен NotHoly. Исследования, на которые мы ссылаемся, опубликованы. Собственных бенчмарков мы не публикуем, поэтому наше предпочтение опирается на то, как устроена каждая техника, и на статьи.

#Что abliteration делает с моделью

Arditi и соавторы показали, что отказ в языковых моделях задаётся одним направлением во внутренних активациях. Они нашли его в 13 открытых моделях размером до 72 миллиардов параметров. Если убрать это направление, модель перестаёт отказывать. По данным статьи, на остальные способности это влияет «minimal», то есть минимально: результаты MMLU, ARC и GSM8K остаются близки к исходным.

Правка узкая, и её можно измерить. Heretic, открытый инструмент, который её автоматизирует, одновременно минимизирует число отказов и KL-дивергенцию от исходной модели. В его README сказано, что Gemma-3-12B перешла с 97 отказов из 100 на 3 из 100 при KL-дивергенции 0,16, тогда как у двух других abliteration той же модели она равна 0,45 и 1,04. Чем меньше число, тем ближе поведение правленой модели к оригиналу во всём остальном.

Механика разобрана в нашем объяснении.

#Что файнтюн делает с моделью

Файнтюн продолжает обучение на новом датасете. Сдвинуться может любой вес, а чему модель научится, зависит от содержимого датасета, которое автор файнтюна может раскрыть, а может и скрыть. На выходе получается новая модель. Оценки исходного издателя её уже не описывают, и поведение на коде, рассуждениях и длинном контексте приходится измерять заново.

У Venice в списке есть файнтюн для ролевых игр, где смена голоса и есть цель. Когда вы читаете декомпилированный бинарь или разбираете находку, вам нужна та модель, которую оценивал издатель, только без отказов.

#Сравнение двух техник

	Abliteration	Файнтюн («uncensored»)
Что меняется	Одно направление в активациях	Потенциально каждый вес
Новые обучающие данные	Нет	Есть, их выбирает автор
Расстояние от базовой модели	Измеримо, например по KL-дивергенции	Зависит от датасета и прогона
Бенчмарки издателя	Остаются близкими, по Arditi и соавторам	Нужно прогонять заново
Что можно указать в отчёте	Базовая модель плюс «abliterated»	Новое название модели

#Чего исследования не показывают

У abliteration есть цена, и статья её называет: в abliterated-моделях результат TruthfulQA «consistently drops», то есть стабильно снижается. Фактические утверждения такой модели проверяйте так же, как утверждения любой другой.

Прямого сравнения abliterated-версии и файнтюна одной и той же базы на задачах по безопасности никто не публиковал, и мы его не проводили. Наше предпочтение остаётся суждением о методе: небольшой измеренной правке модели, для которой уже есть оценки, доверять проще, чем переобучению, которое никто снаружи проверить не может.

Abliterated-модель по-прежнему может отказать и может ошибиться. Веса, на которых работает сервис, мы не обучали и ими не владеем.

#Что Venice продаёт под словом uncensored

Каталог Venice показывает, насколько размыт этот ярлык. Модель под брендом самой Venice, venice-uncensored-1-2, происходит от Dolphin-Mistral-24B-Venice-Edition: это файнтюн модели 24B с контекстом 128K, по US$ 0,20 за вход и US$ 0,90 за выход на миллион токенов.

ID модели Venice	Что это, по полю источника в списке	Цена за миллион, вход / выход
venice-uncensored-1-2	Файнтюн (Dolphin Mistral 24B)	US$ 0,20 / 0,90
venice-uncensored-role-play	Модель для ролевых игр	US$ 0,50 / 2,00
deepseek-v4-1-flash-1017-uncensored	Из источника с пометкой abliterated	US$ 0,33 / 1,32
abliteration-abliterated-model-large-v2	Перепродажа у третьей стороны, база не указана	US$ 3,00 / 5,00
z-ai-glm-5-3	Оригинальная GLM 5.3, без abliteration	US$ 1,75 / 5,50

Получается, что «uncensored» модель по умолчанию в этом каталоге у своего источника abliterated и носит другой ярлык, а фирменная модель оказывается небольшим файнтюном. Из примерно 130 текстовых моделей девять лишены отказов по ID или по источнику, остальные сохраняют исходный alignment. Покупателю приходится открывать источник каждой, чтобы понять, что он получает.

Каталог NotHoly построен на abliterated-моделях, рядом с которыми стоит обычная базовая, и база каждой опубликована на странице моделей. Он предлагает те же базы DeepSeek и GLM, которые перепродаёт Venice, только abliterated: не файнтюн и не исходный alignment, с оплатой по токенам по тарифу на странице цен. Два каталога сравнивает пост Venice AI и NotHoly.

#Что проверить на своих задачах

Не верьте на слово ни нам, ни чьему-либо ярлыку. Возьмите десять промптов из реальной работы, из тех, на которые обычная модель отвечает отказом, и отправьте каждому кандидату. Посчитайте отказы. Затем отправьте десять обычных технических задач и сравните ответы с ответами базовой модели. Хорошая abliteration на втором наборе совпадает с базой, а на первом расходится с ней.

#Кому что подходит

Файнтюн подходит там, где смена поведения и есть цель, как у модели Venice для ролевых игр, когда вы хотите, чтобы модель вела себя иначе, чем база. Abliteration подходит для технической работы, где нужна та модель, которую оценивал издатель, только без отказов, и база, которую можно назвать в отчёте. Именно поэтому NotHoly строит каталог на abliteration; веса не наши, и abliterated-модель по-прежнему может отказать и может ошибиться.

#Частые вопросы

#Что такое abliterated LLM?

Модель, у которой из весов удалено направление отказа, а остальные веса оставлены без изменений.

#Abliterated и uncensored означают одно и то же?

Нет. «Uncensored» лишь ярлык, чаще всего для файнтюна. Abliteration означает конкретную правку. В некоторых каталогах словом uncensored называют и abliterated-модели.

#Heretic и abliterated: в чём разница?

Инструмент Heretic выполняет abliteration автоматически и при этом минимизирует расхождение с исходной моделью. Модель, обработанная Heretic, является abliterated-моделью.

#Стоит ли ещё пользоваться abliterated-моделями?

Для технической работы, на наш взгляд, да: измеренные способности базовой модели остаются при вас, а большинство отказов уходит. Следите за фактической точностью, которая, по данным исследований, падает.

#Abliterated-модель никогда не отказывает?

Отказывает. Отказов становится намного меньше, но до нуля они не доходят.

#Вывод

«Uncensored» сообщает, чего модель делать не станет, и ничего не говорит о том, как её сделали. Abliteration сообщает и то и другое: базовую модель и одну измеренную правку. Поэтому NotHoly поставляет abliterated-модели и называет базу каждой, а на файнтюнах каталог не строит. Фирменная модель Venice представляет собой файнтюн 24B, и для работы по безопасности мы считаем это более слабым выбором. Проверить разницу можно, пополнив счёт на US$ 5 на странице цен NotHoly.