尧图网站建设 
零拒绝率模型本地部署实战Qwen3.6-35B 无审查 AI 从下载到跑通【免费下载链接】Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive项目地址: https://ai.gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive深夜两点你盯着屏幕上的半截小说。主角正走向最关键的对峙你敲下提示词模型却甩来一句抱歉我无法继续这个话题。这不是文思枯竭而是审查机制在你和灵感之间砌了一堵软墙。如果你也被这类情况反复打断那么Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive值得你花 15 分钟试一次——这款由 HauhauCS 制作的无审查 GGUF 模型在 465 次实测中拿到零拒绝的成绩同时完整保留了 35B 参数 MoE 架构、262K 原生上下文与图像/视频理解能力并且可以完全跑在你自己的电脑上。下面这份手册会带你从克隆仓库一路走到参数调优和避坑。当 AI 开始打太极创作就失去了主动权用过主流大模型的人多少都撞过这几面墙生成到一半被安全政策打断工作流直接中断想讨论边缘议题模型顾左右而言他输出里频繁夹带警告语破坏成稿氛围创意边界被无形收窄越写越同质化无审查模型的出现本质是把能不能写的决定权交还给你。Qwen3.6-35B 的 Aggressive 变体在底层移除了拒绝机制意味着它不会因为话题敏感而停止生成。有一点需要提前说明它偶尔仍会在答案末尾附上一两句简短免责声明这是基础模型训练阶段烙进去的习惯并非拒绝内容——完整结果始终会生成。想要更温和体验的用户可以留意 HauhauCS 后续推出的 Balanced 平衡变体它在保留部分安全护栏的同时实现去审查。先看家底一张表讲清楚模型凭什么能打在动手部署之前先花两分钟认识这个模型。它的底模是官方原版 Qwen3.6-35B-A3BHauhauCS 只做了去审查处理数据集和能力没有任何阉割属于无损改造。核心规格如下维度参数大白话解读总参数量35BMoE 混合专家完整模型 35B 参数但每次前向计算只激活约 3B专家路由256 个专家每 token 激活 8 个模型按需点将不同任务走不同专家注意力机制线性注意力 全 softmax 注意力3:1效率和准确度两头兼顾层数40 层深度足够处理复杂推理原生上下文262K一次能吞下几十万字的文档多模态文本、图像、视频天生自带眼睛授权协议Apache-2.0商用、二次开发都友好这套组合最直观的收益是你用一个 35B 级别能力的模型却只需承担约 3B 参数的计算开销普通消费级显卡就能带动。配合 GGUF 量化本地部署的门槛被压得很低。拿到模型一次克隆12 个量化版本全到手部署第一步是拉取文件。整个仓库只有一行命令的事git clone https://gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive克隆完成后你会看到一组按精度梯度排列的文件其中包括 11 个主模型 GGUF 和一个视觉投影文件高精度档Q8_K_P44 GB、Q6_K_P31 GB、Q5_K_P28 GB主流档Q4_K_P23 GB、Q4_K_M21 GB、IQ4_NL20 GB、IQ4_XS19 GB轻量档Q3_K_P19 GB、IQ3_M15 GB、Q2_K_P15 GB、IQ2_M11 GB视觉配套mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf899 MB所有量化版本都基于 imatrix重要性矩阵生成专门针对去审查后的权重做了质量保留优化这也是这套模型敢自称无损的底气所在。第一轮验证15 分钟跑出一段完整对话拿到文件别急着纠结选哪个版本先用主流配置 Q4_K_P 验证一下能不能跑起来。前提是你已经装好 llama.cpp或任何 GGUF 兼容运行时如 LM Studio、Jan、koboldcppllama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf \ --mmproj mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf \ --jinja -c 131072 -ngl 99每个参数都在解决一个具体问题-m指定主模型文件这是必填项--mmproj挂载视觉投影文件启用图像/视频理解不需要视觉功能时可去掉--jinja让 llama.cpp 正确处理官方聊天模板不加它对话格式可能错乱-c 131072把上下文保持在 128K。官方明确提示低于这个值思考能力会明显退化别为了省显存把上下文压太低-ngl 99把尽可能多的层加载进 GPU数值按你的显存大小灵活调整看到模型正常回话部署就算跑通了。接下来才进入真正的选型环节。量化版本怎么挑先看显存再看用途12 个版本看起来眼花缭乱但决策逻辑其实只有一句话显存够装哪个就上哪个。GGUF 文件体积约等于运行时占用下面是按显存倒排的决策清单量化版本文件大小显存底线推荐内存适合谁Q8_K_P44 GB32 GB48 GB专业研究、追求极致质量Q6_K_P31 GB24 GB32 GB高质量应用开发Q5_K_P28 GB20 GB24 GB质量和体积的平衡点Q4_K_P23 GB16 GB24 GB主流配置首选Q4_K_M21 GB16 GB16 GB性价比之选IQ4_XS19 GB12 GB16 GB显存紧张环境IQ3_M / Q2_K_P15 GB12 GB16 GB入门级显卡几个实操细节值得单独划重点K_P 是什么这是 HauhauCS 的自定义量化Perfect通过模型特定分析把重要的质量参数智能保留下来。效果上相当于白捡 1-2 个量化等级代价仅是文件体积增加 5-15%且完全兼容所有 GGUF 运行时不需要特殊构建LM Studio 里显示?K_P 量化在 LM Studio 的量化列可能显示为问号这只是显示识别问题模型加载和运行完全不受影响内存纪律系统内存建议至少为模型文件大小的 1.5 倍磁盘预留按版本留出 20-44 GB 余量四套参数模板覆盖八成使用场景模型跑起来只是开始让它按你的方式说话才是关键。官方给出了思考模式默认和非思考模式两组采样参数按任务场景可以拆成四套模板使用场景temperaturetop_ptop_kmin_ppresence_penalty思考模式·通用对话1.00.952001.5思考模式·编程/精确任务0.60.952000非思考模式·创意写作0.70.82001.5非思考模式·逻辑推理1.01.04002.0这套配置背后的逻辑值得理解一下temperature 控制发散度创意任务需要高一些编程任务必须压低保证准确性presence_penalty 惩罚重复词写作和推理时调高能有效避免车轱辘话而top_k / top_p 负责把采样圈在合理范围内防止输出跑偏。实战中可以直接套用再按手感微调。落地到命令行时写法是这样# 创意写作保持思维活性鼓励词汇发散 llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q5_K_P.gguf \ --temperature 1.0 --top_p 0.95 --top_k 20 --ctx-size 65536 # 代码生成低温度求稳上下文适中 llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf \ --temperature 0.6 --top_p 0.95 --top_k 20 --ctx-size 32768多模态的正确打开方式别漏了 mmproj这款模型原生支持图像和视频理解但有个容易被忽略的前提视觉能力依赖 mmproj 文件主模型本身不带眼睛。第一次用视觉功能时请确认--mmproj参数指向的 f16 投影文件与主模型同目录、同版本。跑图像描述很简单llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q6_K_P.gguf \ --mmproj mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf \ --image input.jpg --jinja配合 262K 上下文你还能做视频帧序列分析、图文混合创作这类更进阶的任务——比如把一集视频抽帧成序列让模型按时间轴生成分镜描述。避坑问答五个高频问题一次说清Q1模型怎么都加载不起来按顺序排查四件事运行时是否支持 GGUF 格式文件是否下载完整md5 校验最稳妥内存是否达到模型文件的 1.5 倍主 GGUF 和 mmproj 是否同时就位。前三项都没问题却仍报错八成是缺了视觉投影文件。Q2传了图片模型却毫无反应检查三处命令里有没有带--mmprojmmproj 版本是否与主模型匹配混用会静默失效输入图像格式是否被运行时支持。另外记住始终加--jinja聊天模板错乱也会让多模态输入失联。Q3LM Studio 里量化列显示?是不是文件坏了不是。K_P 是 HauhauCS 的自定义量化标记LM Studio 的识别表里没有对应条目所以显示为问号。模型本身可以正常加载运行直接忽略这个显示即可。Q4回答里偶尔出现免责声明是被拒绝了吗不是拒绝。这是 Aggressive 变体的已知特性——基础模型训练时烙下的习惯性话术与拒绝机制无关。完整内容始终会生成声明只是末尾的尾巴。Q5生成速度只有几个 token/秒怎么提速按性价比排序调高-ngl把更多层压进 GPU → 按任务缩小上下文窗口 → 换成更小号的量化版本 → 更新 GPU 驱动与 CUDA。正常配置下推理速度应落在 10-50 tokens/秒区间长期低于这个值就该考虑换硬件或换量化档位了。上手之后的落地路线图部署验证通过只是起点真正让模型产生价值的是持续使用。这里给出一份可照做的推进清单评估硬件先确认显存和内存锁定量化档位完整拉取克隆仓库核对文件清单做一次 md5 校验装好运行时llama.cpp、LM Studio、Jan、koboldcpp 四选一跑通首轮对话用 Q4_K_P 128K 上下文验证基础功能套用参数模板按任务类型从四套模板中选型再做小幅微调解锁多模态挂载 mmproj尝试图像描述与视频抽帧分析进阶探索长文档处理、批量推理脚本、把模型集成进现有应用或工作流把无审查能力用起来的边界在于你自己模型不设防使用者更该自己把握尺度——在敏感场景做好输出审核遵守所在地法律与伦理底线并定期备份重要配置和生成结果。自由表达的底气来自我能决定边界的掌控感而这正是这款模型给你的东西。从今天开始让创作流程里少一次打断多一份完整。【免费下载链接】Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive项目地址: https://ai.gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 零拒绝率模型本地部署实战：Qwen3.6-35B 无审查 AI 从下载到跑通
零拒绝率模型本地部署实战Qwen3.6-35B 无审查 AI 从下载到跑通【免费下载链接】Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive项目地址: https://ai.gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive深夜两点你盯着屏幕上的半截小说。主角正走向最关键的对峙你敲下提示词模型却甩来一句抱歉我无法继续这个话题。这不是文思枯竭而是审查机制在你和灵感之间砌了一堵软墙。如果你也被这类情况反复打断那么Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive值得你花 15 分钟试一次——这款由 HauhauCS 制作的无审查 GGUF 模型在 465 次实测中拿到零拒绝的成绩同时完整保留了 35B 参数 MoE 架构、262K 原生上下文与图像/视频理解能力并且可以完全跑在你自己的电脑上。下面这份手册会带你从克隆仓库一路走到参数调优和避坑。当 AI 开始打太极创作就失去了主动权用过主流大模型的人多少都撞过这几面墙生成到一半被安全政策打断工作流直接中断想讨论边缘议题模型顾左右而言他输出里频繁夹带警告语破坏成稿氛围创意边界被无形收窄越写越同质化无审查模型的出现本质是把能不能写的决定权交还给你。Qwen3.6-35B 的 Aggressive 变体在底层移除了拒绝机制意味着它不会因为话题敏感而停止生成。有一点需要提前说明它偶尔仍会在答案末尾附上一两句简短免责声明这是基础模型训练阶段烙进去的习惯并非拒绝内容——完整结果始终会生成。想要更温和体验的用户可以留意 HauhauCS 后续推出的 Balanced 平衡变体它在保留部分安全护栏的同时实现去审查。先看家底一张表讲清楚模型凭什么能打在动手部署之前先花两分钟认识这个模型。它的底模是官方原版 Qwen3.6-35B-A3BHauhauCS 只做了去审查处理数据集和能力没有任何阉割属于无损改造。核心规格如下维度参数大白话解读总参数量35BMoE 混合专家完整模型 35B 参数但每次前向计算只激活约 3B专家路由256 个专家每 token 激活 8 个模型按需点将不同任务走不同专家注意力机制线性注意力 全 softmax 注意力3:1效率和准确度两头兼顾层数40 层深度足够处理复杂推理原生上下文262K一次能吞下几十万字的文档多模态文本、图像、视频天生自带眼睛授权协议Apache-2.0商用、二次开发都友好这套组合最直观的收益是你用一个 35B 级别能力的模型却只需承担约 3B 参数的计算开销普通消费级显卡就能带动。配合 GGUF 量化本地部署的门槛被压得很低。拿到模型一次克隆12 个量化版本全到手部署第一步是拉取文件。整个仓库只有一行命令的事git clone https://gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive克隆完成后你会看到一组按精度梯度排列的文件其中包括 11 个主模型 GGUF 和一个视觉投影文件高精度档Q8_K_P44 GB、Q6_K_P31 GB、Q5_K_P28 GB主流档Q4_K_P23 GB、Q4_K_M21 GB、IQ4_NL20 GB、IQ4_XS19 GB轻量档Q3_K_P19 GB、IQ3_M15 GB、Q2_K_P15 GB、IQ2_M11 GB视觉配套mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf899 MB所有量化版本都基于 imatrix重要性矩阵生成专门针对去审查后的权重做了质量保留优化这也是这套模型敢自称无损的底气所在。第一轮验证15 分钟跑出一段完整对话拿到文件别急着纠结选哪个版本先用主流配置 Q4_K_P 验证一下能不能跑起来。前提是你已经装好 llama.cpp或任何 GGUF 兼容运行时如 LM Studio、Jan、koboldcppllama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf \ --mmproj mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf \ --jinja -c 131072 -ngl 99每个参数都在解决一个具体问题-m指定主模型文件这是必填项--mmproj挂载视觉投影文件启用图像/视频理解不需要视觉功能时可去掉--jinja让 llama.cpp 正确处理官方聊天模板不加它对话格式可能错乱-c 131072把上下文保持在 128K。官方明确提示低于这个值思考能力会明显退化别为了省显存把上下文压太低-ngl 99把尽可能多的层加载进 GPU数值按你的显存大小灵活调整看到模型正常回话部署就算跑通了。接下来才进入真正的选型环节。量化版本怎么挑先看显存再看用途12 个版本看起来眼花缭乱但决策逻辑其实只有一句话显存够装哪个就上哪个。GGUF 文件体积约等于运行时占用下面是按显存倒排的决策清单量化版本文件大小显存底线推荐内存适合谁Q8_K_P44 GB32 GB48 GB专业研究、追求极致质量Q6_K_P31 GB24 GB32 GB高质量应用开发Q5_K_P28 GB20 GB24 GB质量和体积的平衡点Q4_K_P23 GB16 GB24 GB主流配置首选Q4_K_M21 GB16 GB16 GB性价比之选IQ4_XS19 GB12 GB16 GB显存紧张环境IQ3_M / Q2_K_P15 GB12 GB16 GB入门级显卡几个实操细节值得单独划重点K_P 是什么这是 HauhauCS 的自定义量化Perfect通过模型特定分析把重要的质量参数智能保留下来。效果上相当于白捡 1-2 个量化等级代价仅是文件体积增加 5-15%且完全兼容所有 GGUF 运行时不需要特殊构建LM Studio 里显示?K_P 量化在 LM Studio 的量化列可能显示为问号这只是显示识别问题模型加载和运行完全不受影响内存纪律系统内存建议至少为模型文件大小的 1.5 倍磁盘预留按版本留出 20-44 GB 余量四套参数模板覆盖八成使用场景模型跑起来只是开始让它按你的方式说话才是关键。官方给出了思考模式默认和非思考模式两组采样参数按任务场景可以拆成四套模板使用场景temperaturetop_ptop_kmin_ppresence_penalty思考模式·通用对话1.00.952001.5思考模式·编程/精确任务0.60.952000非思考模式·创意写作0.70.82001.5非思考模式·逻辑推理1.01.04002.0这套配置背后的逻辑值得理解一下temperature 控制发散度创意任务需要高一些编程任务必须压低保证准确性presence_penalty 惩罚重复词写作和推理时调高能有效避免车轱辘话而top_k / top_p 负责把采样圈在合理范围内防止输出跑偏。实战中可以直接套用再按手感微调。落地到命令行时写法是这样# 创意写作保持思维活性鼓励词汇发散 llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q5_K_P.gguf \ --temperature 1.0 --top_p 0.95 --top_k 20 --ctx-size 65536 # 代码生成低温度求稳上下文适中 llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf \ --temperature 0.6 --top_p 0.95 --top_k 20 --ctx-size 32768多模态的正确打开方式别漏了 mmproj这款模型原生支持图像和视频理解但有个容易被忽略的前提视觉能力依赖 mmproj 文件主模型本身不带眼睛。第一次用视觉功能时请确认--mmproj参数指向的 f16 投影文件与主模型同目录、同版本。跑图像描述很简单llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q6_K_P.gguf \ --mmproj mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf \ --image input.jpg --jinja配合 262K 上下文你还能做视频帧序列分析、图文混合创作这类更进阶的任务——比如把一集视频抽帧成序列让模型按时间轴生成分镜描述。避坑问答五个高频问题一次说清Q1模型怎么都加载不起来按顺序排查四件事运行时是否支持 GGUF 格式文件是否下载完整md5 校验最稳妥内存是否达到模型文件的 1.5 倍主 GGUF 和 mmproj 是否同时就位。前三项都没问题却仍报错八成是缺了视觉投影文件。Q2传了图片模型却毫无反应检查三处命令里有没有带--mmprojmmproj 版本是否与主模型匹配混用会静默失效输入图像格式是否被运行时支持。另外记住始终加--jinja聊天模板错乱也会让多模态输入失联。Q3LM Studio 里量化列显示?是不是文件坏了不是。K_P 是 HauhauCS 的自定义量化标记LM Studio 的识别表里没有对应条目所以显示为问号。模型本身可以正常加载运行直接忽略这个显示即可。Q4回答里偶尔出现免责声明是被拒绝了吗不是拒绝。这是 Aggressive 变体的已知特性——基础模型训练时烙下的习惯性话术与拒绝机制无关。完整内容始终会生成声明只是末尾的尾巴。Q5生成速度只有几个 token/秒怎么提速按性价比排序调高-ngl把更多层压进 GPU → 按任务缩小上下文窗口 → 换成更小号的量化版本 → 更新 GPU 驱动与 CUDA。正常配置下推理速度应落在 10-50 tokens/秒区间长期低于这个值就该考虑换硬件或换量化档位了。上手之后的落地路线图部署验证通过只是起点真正让模型产生价值的是持续使用。这里给出一份可照做的推进清单评估硬件先确认显存和内存锁定量化档位完整拉取克隆仓库核对文件清单做一次 md5 校验装好运行时llama.cpp、LM Studio、Jan、koboldcpp 四选一跑通首轮对话用 Q4_K_P 128K 上下文验证基础功能套用参数模板按任务类型从四套模板中选型再做小幅微调解锁多模态挂载 mmproj尝试图像描述与视频抽帧分析进阶探索长文档处理、批量推理脚本、把模型集成进现有应用或工作流把无审查能力用起来的边界在于你自己模型不设防使用者更该自己把握尺度——在敏感场景做好输出审核遵守所在地法律与伦理底线并定期备份重要配置和生成结果。自由表达的底气来自我能决定边界的掌控感而这正是这款模型给你的东西。从今天开始让创作流程里少一次打断多一份完整。【免费下载链接】Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive项目地址: https://ai.gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考