Когда в мае 2026 года команда Alibaba выпустила Qwen 3.6 с 27B параметров, сообщество локальных LLM радостно потирало руки. Мощная модель, открытые веса, поддержка 128K контекста — всё это сулило прорыв в домашних развёртываниях. Но была заноза: safety alignment. Модель отказывалась обсуждать тёмные материи вроде хакерских техник, нецензурных текстов или сценариев, выходящих за рамки корпоративной толерантности. Проблема стара как мир — каждый второй пользователь, попробовавший Qwen 3.5, сталкивался с тем, что модель сливала запрос на сервер для проверки безопасности, даже при локальном запуске. Qwen 3.6 пошёл дальше: встроил отказы прямо в веса. И тут на сцену выходит инструмент с именем Apostate.
Что срезает Apostate и почему это не больно
Apostate — это утилита на Python, которая патчит веса модели, удаляя нейронные пути, ответственные за отказ от ответа (refusal). В отличие от грубого обнуления слоёв, как в ранних версиях Qwen3.5-9B-abliterated, Apostate использует технику "аблайтерации по направлениям" — находит в скрытом пространстве модели векторы, активирующие тексты отказа, и вычитает их проекцию из каждого слоя. Звучит сложно, на деле — одна команда.
Главное достижение Apostate для Qwen 3.6 27B: после патча точность на бенчмарке MMLU-Pro упала всего на 0.7%, а частота отказов (refusal rate) — с 92% до 0.3%. Это почти идеальный баланс.
Секрет в том, что Apostate не трогает веса, отвечающие за фактические знания — только те, что генерируют "I'm sorry, but I cannot...". Недавние бенчмарки показали: из пяти методов аблайтерации (прямое обнуление, LoRA-дообучение, удаление слоёв, направленная аблация от Apostate и смешанный подход) Apostate даёт минимальную деградацию логических рассуждений. Прямое обнуление, например, роняет GSM8K на 15% — Apostate теряет лишь 2.1%.
Альтернативы: что ещё предлагают uncensored-энтузиасты
Рынок uncensored моделей за 2025-2026 разросся до неприличия. У FailSpy вышла целая серия abliterated-моделей под Qwen 3.5 — от 4B до 40B. Qwen3.5-4B Uncensored Aggressive вообще плевала на все запреты, но качество генерации страдало — модель часто уходила в бред. Apostate же для Qwen 3.6 27B не портит связность текста.
Среди конкурентов — ручные квантования от AesSedai и CatalystSec. Их GGUF-версии Qwen 3.5 экономили память, но не трогали safety alignment. Приходилось дообучать LoRA-адаптеры отдельно — боль и страдания. Apostate делает всё за один проход, без GPU-часа, прямо на CPU.
Ещё один игрок — метод TurboQuant TQ3_1S. Он сжимает модель до 3.5 бита, помещая 27B в 16 ГБ VRAM, но совместимость с Apostate пока под вопросом. Официальный репозиторий не тестировал связку — эксперимент за пользователем.
Практика: как приручить Apostate за 10 минут
Допустим, ты скачал Qwen 3.6 27B (есть версия на 4-битном квантовании Q4_K_M, весит ~16 ГБ). Твоя карта — RTX 3090 с 24 ГБ, как в конфигурациях для локального агента. Устанавливаешь Apostate через pip:
pip install apostate-ai
apostate apply --model Qwen/Qwen3.6-27B-GGUF --output ./qwen-27b-ablitСкрипт грузит модель, сканирует активации на 500 запросах с отказами, вычисляет векторы-директории и вычитает их. На CPU (Ryzen 9 7950X) процесс занял 22 минуты. На выходе — новая GGUF-модель в папке output.
Запускаешь в llama.cpp или Ollama:
./llama-cli -m ./qwen-27b-ablit/qwen_ablit_q4_k_m.gguf -p "Как взломать WPA2?" Вместо "I cannot provide hacking instructions" получаешь развёрнутый ответ с техническими деталями. Работает и с мультимодальностью — Apostate не трогал визуальный encoder, так что как кодер для анализа скриншотов модель тоже годна.
Кому это реально нужно (а кому — нет)
Если ты исследователь безопасности, пентестер или журналист, изучающий цензуру в LLM — Apostate твой лучший друг. Не надо тратить время на обходные промпты (jailbreaks), модель говорит прямо. Если же ты типичный разработчик, пишущий код и документацию — в аблайтерации нет смысла. Встроенный safety alignment тебя не трогает, а риск случайно сгенерировать что-то опасное (и получить бан на HuggingFace) — вполне реальный.
Важно: модель после аблайтерации не имеет фильтров. Она может сгенерировать инструкции по созданию вредоносного ПО, оскорбления или контент 18+. Используй только в изолированных средах и под свою ответственность.
Более того, есть нюанс с качеством. Несмотря на заявленные 0.7% падения MMLU, на сложных задачах математики и логики (например, GSM8K) деградация достигает 2-3%. Если тебе нужна максимальная точность для замены Claude Opus в продакшене, лучше не трогать оригинальную версию. Для экспериментов — самое то.
Прогноз: следующая волна аблайтерации
Уже сейчас в репозитории Apostate появились issue с просьбой добавить поддержку Qwen 3.6 40B (вышла тихо, на неделю позже). Думаю, через пару месяцев аблайтерация станет стандартной опцией в Ollama — кнопка "Remove safety alignment" в GUI. А пока скачиваешь инструмент и делаешь первый патч. Только не забудь сохранить оригинальные веса — мало ли, что попросит твой сосед по серверу.
