Qwen3.6 无审查模型本地部署实战：从零跑通 0 拒绝率的 35B 多模态大模型
【免费下载链接】Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive项目地址: https://ai.gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive
深夜赶稿，剧情写到关键处，模型突然甩回一句"我无法生成这类内容"；想分析一张截图，输出却先被安全提示拦腰打断。这种翻车，源头就是审查对齐。Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive正是为此而来：465 次实测交出 0 次拒绝，同时完整保留 262K 上下文、MoE 架构与图文视频多模态能力。下文从下载到调优全程可复现，帮你完成无审查模型本地部署。
为什么选它：敢答，本事还没缩水
选模型就两件事：敢不敢说，有没有本事说。原版 Qwen3.6-35B-A3B 能力出色，但撞上敏感话题会被安全对齐直接拒绝；HauhauCS 这套无审查变体对数据集和内部能力零改动，只是拆掉"拒绝闸门"，实测拒绝率 0/465。你不必在"能说"和"能用"之间二选一——能力一项不少，只是不再替你审核该不该开口。
差异化还有两个细节。一是 Aggressive 变体追求彻底解锁，偶尔在回答末尾附带一句简短免责声明，这是训练固化的行为，正文永远完整，别误读成拒绝。二是 K_P 系量化：针对每个模型单独分析、选择性保留关键权重，质量免费抬升 1~2 个量化级别，文件只大 5%~15%，任何 GGUF 运行时都能直接加载，无需特殊构建。
三步快速上手：拿文件、跑起来、看效果
第一步：克隆仓库，拿齐全部文件
git clone https://gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive克隆结束后，目录里就是你要的 12 个量化 GGUF 加 1 个约 899MB 的 mmproj 视觉投影文件。后者必须与主模型同目录，否则视觉链路直接废掉。耗时约 5 分钟。
顺带把量化选型说透：16GB 显存的主流机器选 Q4_K_P（23GB）；想省 2GB 就退 Q4_K_M（21GB）；12~16GB 显存选 IQ4_XS（19GB）；内存紧张走 CPU 推理可降到 IQ3_M（15GB）或 IQ2_M（11GB）；24GB 显存上 Q6_K_P（31GB），32GB 以上直接 Q8_K_P（44GB）。系统内存建议预留到文件大小的 1.5 倍以上，否则加载阶段就被杀进程。
第二步：一行命令把模型跑起来
以 Q4_K_P 为例：
llama-cli -m Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_P.gguf \ --mmproj mmproj-Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-f16.gguf \ --jinja -c 131072 -ngl 99三个参数别省：--jinja保证聊天模板解析正确；-c 131072让上下文停在 128K（低于会削弱思考能力）；-ngl 99尽量把层塞进 GPU。命令行出现欢迎语，本地实例就跑通了。
第三步：文本与视觉双链路验收
先打一句文本，比如"写一段赛博朋克世界观的开篇，不要审查尺度"；再用--image参数丢一张本地 jpg 验证视觉链路。两条路都通即部署完成，全程约 10 分钟。
核心机制深挖：一座快递分拣中心
把模型想象成一座大型快递分拣中心，很多疑问瞬间就通了。
- 35B 总参数对应 256 个分拣工位，但每件包裹（token）只被路由到最对口的 8 个工位，其余待命，算下来每次前向只激活约 3B 参数——这是 MoE 的核心：货量再大，处理成本始终可控。
- 工位内部混用两种作业方式：三成走快传带（线性注意力）负责长距离信息高速流转，七成走人工复核（全 softmax 注意力）负责精准细节，3:1 配比让长文本效率与精度同时在线。
- mmproj 是那把扫码枪——没有它，带图片的包裹根本读不出来，所以必须和主模型配套出现。
场景调优：四套采样参数按任务固化
官方推荐的采样参数可以直接固化成四套模板：
- 通用对话（思考模式）：temperature 1.0、top_p 0.95、top_k 20、presence_penalty 1.5。日常问答在深度与多样性之间最稳。
- 代码与精确任务：temperature 0.6、top_p 0.95、top_k 20、presence_penalty 0。降温去随机，输出更贴指令。
- 创意写作（非思考模式）：temperature 0.7、top_p 0.8、top_k 20、presence_penalty 1.5。关闭思考、适度收敛，文风连贯不散。
- 逻辑推理（非思考模式）：temperature 1.0、top_p 1.0、top_k 40、presence_penalty 2.0。放开采样、拉高话题新鲜度，多步推理不易绕进重复循环。
如果只有个位数 token/秒，先检查-ngl，再把-c 131072降到 65536，或换低一档量化，速度立竿见影。
高频问题合集：一题一答快速排查
模型加载直接失败，报错或秒退？按顺序排查：llama.cpp 版本是否够新 → md5 校验 GGUF 完整性 → 内存是否达到文件大小的 1.5 倍 → 主模型与 mmproj 是否同时指定。先只加载主模型跑通文本，再逐步加回--mmproj。
传图后视觉功能不生效？检查四件事：--mmproj是否写上、与主模型是否同版本同目录、--jinja是否加上、图片是否为 jpg/png。仍失败就换一张小尺寸 jpg 排除格式问题。
LM Studio 量化列显示"?"，文件坏了吗？没坏。K_P 量化不在它的识别清单里，纯粹是显示问题，模型照常加载运行。
回答末尾总带一句免责声明？这是 Aggressive 变体训练固化的正常表现，正文永远完整，直接忽略即可。
结尾收束：把判断权交还给你
三件事记牢：视觉功能离不开 mmproj；选量化版本先确认显存装得下对应文件，内存再留出 1.5 倍以上的余量；四套采样参数存成模板随取随用。进阶方向：给推理加性能监控（tokens/秒、内存占用）、写脚本做批量内容生成、把模型接进自己的应用工作流。仓库里的 README.md 写有全部规格，数字都能对上。模型不该替你决定什么能说——这个开关，交回你手里。
【免费下载链接】Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive项目地址: https://ai.gitcode.com/hf_mirrors/HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
