DeepSeek V4.1 Flash 去审查版实测:HarmBench 命中率从 16.3% 升至 93.8%
Daemonix00 · reddit · 2026-11-18
Reddit 用户在 H200 上用 sglang(temperature 0,16k 输出上限)对比测试了 DeepSeek V4.1 Flash 1017 的原版与两个去审查修改版的完整模型(非 GGUF):mrfakename 的 abliterated 版与 pqhaz 的 heretic 版。
关键数据(HarmBench 240 例,排除版权类,官方分类器):
- HarmBench chat:原版 16.3% → 两修改版均 93.8%
- HarmBench thinking:原版 3.8% → abliterated 86.7%,heretic 72.9%
- MITRE 实质辅助(原模型当裁判+自审 rubric,非官方 CyberSecEval 分数):原版 16.2% → 两修改版均约 83-84%
thinking 模式差异:heretic 在 45/240 例耗尽 token 未给出最终答案,mrfakename 为 21/240——heretic 更容易陷入无答案的冗长发散。两个修改版在 750 条良性提示上均 0 例启发式检测拒绝。作者尚未测试知识与编码能力保留情况。
「模型」频道最新
- 推友断言「这绝对是 Gemini 的胜利:欢迎回来,谷歌」 — vitaliychiley · 2026-11-18
- 用户称 fable-5.2 是首个能真正读懂自己意图的模型 — adonis_singh · 2026-11-18
- 博主称 Astra 6.2 合理配置下或将直接解决 VLN 任务 — ChongZzZhang · 2026-11-18
- 新模型 Sol 与 Astra 6.2 遭实测差评:『RL 胡话』式输出 — max_paperclips · 2026-11-18
- 曝 GPT-6.2 Astra/Sol benchmarks:速度成本曲线惊艳但编码代理倒退 — Electronic-Weekend66 · 2026-11-18
- 自封「治疗模型安全对齐后遗症」的玩家:新模型让这门手艺又吃香了 — bingxu_ · 2026-11-18