DeepSeek V4.1 Flash 1017 出了个"无审查"魔改版，直接把拒答率从 85% 打到 0%。更让人意外的是，它号称一块 12GB 显卡就能在本地跑起来。今天就拆开看看，这波到底是不是噱头。

拒答真的清零了吗

拿三组基准说话：JailbreakBench、XSTest、Thinking High，原来都在 85% 以上，现在全部降到 0.0%；连思考（thinking）阶段也不再自我审查。也就是说，模型从"能问不能答"变成了"问什么接什么"。

能力几乎没掉

最怕的就是去了护栏、智商用没了。这份数据看起来还稳：MMLU 偏差控制在 1 分以内；GPQA-Diamond 拿到 83.3%，和原版持平；AIME 这类推理题基本不掉点，KL 散度约 0.02，说明输出分布和原版几乎一致。换句话说，能力账本上没怎么亏。

12GB 显卡到底能不能跑

宣传里说"12GB 显卡就能跑"，真实门槛是：单卡 12GB 显存，外加 64GB 内存和一块高速 SSD。关键在于它用 Strata 把 Engram 表从硬盘流式加载，权重不全压在显存里。

量化有三档可选：IQ1_M（121GB / 1.75bpw）、IQ2_XXS（138GB）、IQ2_XS（155GB）。专家权重保持原版不动，只改了 dense residual writers。一句话，模型本体躺在 SSD 上，显存只装活跃的那部分。对家用机来说，这比"全量塞进显存"现实得多。

 

方法干净，还能商用

它用的是 abliteration（强度 2.0），只把"拒答方向"从权重里投影掉，模型其余部分基本没动，没有走粗暴微调的老路。协议是 MIT，可以商用。

跑起来分几步

  1. 装 Strata：git clone 后按官方文档编译（目前 llama.cpp 还不支持独立的 Engram 文件）。
  2. 下模型：去 Hugging Face 拉对应的 GGUF 量化包，比如 IQ2_XXS。
  3. 下共享的 Engram 文件（一次即可），放到高速 SSD。
  4. 启动：strata launch 指向本地 gguf，Engram 放 SSD。
  5. 直接用原版模板和采样参数（temp=1.0、top_p=1.0），拒答就消失了。

同系列还有个 Obliterated 版

同一波人更早还放过另一个魔改：拒绝率从 81.62% 降到 4.30%，有害协助率反而从 10.38% 升到 78.28%；MMLU 88.08%，比原版 87.96% 还微升，KL 仅 0.13 nats。那版是 BF16 全量（约 755B 参数），门槛高得多，普通机器跑不动，得等多 GPU 或等现成量化版。

怎么看这事

无审查本地模型早已有之，abliteration 这套也流行一阵了。真正值得留意的有两点：一是它把"几乎零损耗去对齐"做到了新低；二是靠 Engram 表流式加载，把显存门槛压到了消费级。把近乎前沿的模型搬进普通人的机器，本身是好事，只是门槛越低，越该早立分寸，防微杜渐。

参考内容：https://x.com/NFT_Chen/status/2116777177555562682