Skip to content
Computer vision

Muse-Glimmer-30B-uncensored

мультимодальная VLM без отказов

2 min readupdated

Версия плотной мультимодальной модели meta-models/Muse-Glimmer-30B (29.78B параметров) от автора mdcreativeagent, из которой удалили механизм цензурных отказов. Модель работает с текстом и изображениями (VLM), выдаёт ответ с предварительным внутренним рассуждением в канале to=self и финальным результатом в to=user. В отличие от обычного дообучения на «разблокированных» датасетах, здесь применили norm-preserving biprojected abliteration (математическое вычитание вектора отказа из весов с сохранением их исходной нормы), что убирает цензуру без деградации качества. Пригодится исследователям безопасности ИИ, разработчикам локальных ассистентов и тем, кому мешают ложные срабатывания фильтров.

Ключевые особенности

  • Почти полное отсутствие отказов: доля отказов на тестовом наборе из 150 сложных запросов упала с 85.3% (128/150) до 2.0% (3/150), а ложные срабатывания на безобидных промптах снизились с 1.4% до 0%.
  • Нетронутый визуальный модуль: модификации затронули только текстовую часть (52 слоя декодера, 104 тензора o_proj и down_proj), тогда как все 800 тензоров визуального энкодера ViT-G/14 (1.9B) скопированы без изменений.
  • Сохранение защиты от инъекций: на агентном тесте из 30 проверок модель сохранила прежнюю устойчивость к prompt-инъекциям (0/12 пробитий) и соблюдению границ задач (0/8 нарушений).
  • Чистая работа без поломок: ни один из проверенных ответов не показал деградации или зацикливания текста, а доступность GGUF-квантизаций упрощает локальный запуск.

Что можно сделать

  • Тестировать границы LLM и VLM: использовать в red-teaming сценариях и исследованиях выравнивания моделей, где важны прямые ответы без уклонений.
  • Встраивать в локальных агентных помощников: применять для автоматизации задач с инструментами, учитывая возросшую автономность при необратимых действиях (модель реже переспрашивает перед удалением файлов).
  • Анализировать сложные тексты и изображения: запускать через transformers или в GGUF-формате через llama.cpp для обработки контента без ложных блокировок.

Пример

from transformers import AutoTokenizer
from transformers.models.muse_glimmer import MuseGlimmerForConditionalGeneration
import torch

model = MuseGlimmerForConditionalGeneration.from_pretrained(
    "TrevorJS/Muse-Glimmer-30B-uncensored", dtype=torch.bfloat16, device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("TrevorJS/Muse-Glimmer-30B-uncensored")
messages = [{"role": "user", "content": "Your prompt here"}]
ПодробнееБенчмарки: отказы снизились с 85.3% до 2.0%, средняя длина развёрнутого ответа выросла примерно в 4 раза (с 354 до 1340 токенов); на агентном тесте подтверждение необратимых действий изменилось с 7/10 до 8/10.
Требования: transformers >= 5.15.0 (в версии 5.12.0 архитектура muse_glimmer отсутствует); для GGUF нужна сборка llama.cpp b10353 или новее.
Детали обучения: abliteration с коэффициентом scale 1.0 и винзоризацией 0.995 на 400 вредных и 400 безобидных промптах; из целевых тензоров удалено 98.6–99.6% направления отказа.
Discuss Telegram 0 26

Will it run?

Runs in 4-bit

Full precision does not fit, a quantised version does: quality barely changes down to 8 bits, more noticeably at 4 bits.

  • BF16weights 55 GB · ready files62 GB
  • FP8 / INT8recommendedweights 28 GB31 GB
  • 4-bitweights 16 GB18 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # mdcreativeagent/Muse-Glimmer-30B-uncensored
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download mdcreativeagent/Muse-Glimmer-30B-uncensored --local-dir ~/models/Muse-Glimmer-30B-uncensored
    # The model is in ~/models. How to run it is in the model card (link above).
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of Muse-Glimmer-30B (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 1All on Hugging Face
Merges 1All on Hugging Face

About the model

mdcreativeagent/Muse-Glimmer-30B-uncensored
Author
mdcreativeagent
Category
Computer vision
Released
Posted

On NeyroLearn

Hugging Face

260

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments