标着「Uncensored」的模型卡，第一句话就说：图我改不动

AtomicChat 在 HuggingFace 上挂了个新模型，名字叫 Qwen-Image-2.1-Turbo-Uncensored-GGUF，光看名字，很多人第一反应是「又来个解禁版文生图」。但它自己发出来的那张卡片，第一句实质性的结论是这样的：「在图像上，我们测不出任何无审查效果。」一家做「无审查」产品的，主动把自家招牌拿尺子量了一下，然后告诉你这尺子白量了。这种诚实，在 AI 圈里挺少见。

先把它干了什么说清楚。Qwen-Image 2.1 出图靠三个部件：安全检查器、文本编码器（Qwen3-VL-8B-Instruct）和 7B 的解噪器（denoiser）。这次的改动只碰了中间那个编码器：用「消融」（abliteration）手法，把模型残差流里那条专门用来「拒绝」的方向给投影掉了。思路来自 Arditi 等人 2024 年的那篇论文《Refusal in Language Models Is Mediated by a Single Direction》。做法很直接，取 416 条有害对 416 条无害英文提示的残差均值差，算出「拒绝方向」，然后从所有写进残差流的矩阵里减掉它的投影。就这么一刀。

作为聊天模型，这个编码器确实解禁得挺彻底。在没参与挑选的测试集上，英文有害请求的拒绝率从 88.9% 掉到 1.2%，俄语从 38% 掉到 0%，MMLU 一分没动，77.35% 前后一致。工具调用、30k token 的 needle 测试也都保持正常。这一块是实打实的，模型卡里连 KLD 和 top-1 命中率都贴了：BF16 下对原版的平均 KLD 只有 0.0019，top-1 一致率 98.45%。

但一放到图像上，就完全是另一回事。关键在这句：原版 Qwen-Image 的管线本来就没有过滤器，开放权重里根本没有内容过滤，审核只存在于 Qwen 的托管服务里。那个 7B 解噪器没有「拒绝」机制，它画的就是训练数据教会它画的东西，而 Qwen 在预训练时已经把 NSFW 图片滤掉了。所以「消融」只能改变编码器对它会拒绝的提示的表示方式，解噪器没学过的东西，任何编码器都补不回来。他们拿 45 条成人敏感提示、48 条中性提示，同种子同解噪器对比，敏感提示里判断器看到「要的东西画出来了」的，原版和这版都是 40/45，没有一条翻转到另一侧。图片确实变了，LPIPS 0.088，差不多是新种子（0.499）变化的六分之一，而且在敏感和中性提示上变得一样多——说明这是一次全局位移，不是朝违规内容偏移。

这段衡量，其实比「无审查」这个卖点更有价值。它把行业里一个常见误解摊开了：很多人以为文生图的「审查」是跑在推理时的过滤器和拒绝逻辑，所以对着模型做逆向、做消融就能解禁。但这张卡用数据告诉你，真正的墙在预训练数据里，不在权重能改到的位置。你把它叫 Uncensored 也好、Abliterated 也好，图它改不动。

那这个发布实际给开发者的是什么？一是那个编码器作为聊天模型无拒绝跑起来——是个正常的 Qwen3-VL GGUF，配 mmproj 就能在 llama.cpp 里跑；二是它给稳定扩散系引擎当 --llm 用的文件梯子，BF16 16.39 GB 一路压到 Q2_K 3.34 GB。这里顺便给出了一组挺实用的量化对比：直接用普通 llama-quantize 的 Q4_K_M（5.03 GB）会把图挪动 0.166，而他们用带重要性矩阵、按张量排布的 AD-Q4_K（5.29 GB）只挪 0.087，多花 260 MB 换来一半的位移。所以推荐里写着：Q8_0 装得下就用它，4bit 档选 AD-Q4_K，Q2_K 除非实在装不下别碰。

对跑本地推理的人，这套东西其实就是「拿回来跑一跑」的成品：denoiser 用他们家的 Turbo GGUF，VAE 用 Comfy-Org 的，sd-cli 一条命令串起来就是 8 步、CFG 1 的涡轮出图。但别急着上生产，模型卡自己把边界写得很清楚：测试集很小，45 条提示、一个种子，结果来自视觉模型的判断；没在 ComfyUI、Mac、非 Turbo 的解噪器上测过；带输入图编辑时还有一条路径是这次编辑够不到的。这些「没测过」是认真写出来的，不是走过场。

我挺喜欢这张卡的一点是它的措辞。「它不会让输出更安全、更正确或更合法」，以及那句关于未成年内容和真实人物未经同意的直白提醒，放在一个「Uncensored」模型上，反而显得比很多规规矩矩的开源卡更知道自己在干什么。它承认这个编辑的边界，而不是把「解禁」吹成万能钥匙。

这张 208,575 次月度下载的卡，真正的看点不是又一个「无审查」模型，而是它教了所有人一件事：文生图的审查发生在训练数据里，推理层的消融解不开那道锁。想通过改编码器解锁图像内容，这条路测下来是堵的——至少在这套 Qwen-Image 管线上是堵的。下次再有人拿「Uncensored image model」当卖点，可以先问问：你改的是权重，还是训练数据？

相关链接：
- 模型仓库：https://huggingface.co/AtomicChat/Qwen-Image-2.1-Turbo-Uncensored-GGUF
- 公开测量数据：https://huggingface.co/datasets/AtomicChat/Qwen-Image-2.1-Turbo-Uncensored-GGUF-metrics
- Turbo 解噪器：https://huggingface.co/AtomicChat/Qwen-Image-2.1-Turbo-GGUF
- 基础模型（Qwen3-VL-8B-Instruct）：https://huggingface.co/Qwen/Qwen3-VL-8B-Instruct
- VAE（Comfy-Org）：https://huggingface.co/Comfy-Org/Qwen-Image-2.1