Qwen 3.8 27B Uncensored (Thinking)
Diese abliterierte Community-Variante von Qwen 3.8 27B entfernt die Sicherheits-Refusals aus den Gewichten und macht sie damit für Sicherheitsforschung und Red-Teaming nutzbar — bei einem MMLU-Verlust von rund zwei Punkten laut Hersteller. Lokal betreibbar unter Apache-2.0, mit 262.000-Token-Kontext und Bild- sowie Video-Eingabe.
- Open Weights
- Workstation
- vLLM
- Text
- Uncensored
- Vision
- Unusable
Sovereign Risk: MEDIUM Die Basisgewichte stammen von Alibaba in China, was für regulierte Umgebungen ein Herkunfts- und Supply-Chain-Risiko darstellt. Diese Karte beschreibt jedoch eine lokal betriebene, Apache-2.0-basierte OrcaRouter-Derivatvariante mit abliterierten Gewichten und NVFP4/FP8-Quantisierung. Ohne Cloud-Egress ist das praktische Risiko geringer als bei einer API-Nutzung, bleibt aber wegen der chinesischen Herkunft und der Community-Modifikation moderat.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 79.65
- Routine
- 48.16
- Reasoning
- 31.48
- LLM Judge Avg
- 4.07 / 5
- 100 Coverage
- Avg Task Duration
- 129.88s
- Unusable
- Token Rate
- 16.56tok/s
- Output Rate
- P95 Latency
- 315.76s
- Top 5 %
- Total Tokens
- 135300
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 135300 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.