【2026】DeepSeek V4 Flash 去审查版（Abliterated GGUF）完全评测！本地运行方法及注意事项

---

HuggingFace 上发布了 DeepSeek V4 Flash 0731 的无审查（去审查 / abliterated）版，采用 GGUF 格式。它移除了拒绝回答，能对标准 DeepSeek 会限制的内容作答。

本文面向初学者评测该模型，讲解它是什么、如何运行，以及——关键的——有哪些注意事项。

先给结论：

该模型是 DeepSeek V4 Flash 0731 的「无审查版」，可本地运行（GGUF 格式）。由于其安全过滤被大幅削减，建议用于研究与教育，法律与伦理责任由使用者承担。本文在此前提下，如实解析技术内容。

模型页面: Huihui-DeepSeek-V4-Flash-0731-abliterated-GGUF（HuggingFace）

重要提醒：该模型的安全过滤已削减，可能生成不当内容。本文仅作信息参考，请读者负责任地使用。

---

这个模型是什么？DeepSeek V4 Flash 的无审查版

先用概念说明它的定位。请看下图。

「普通模型」与「无审查版」的区别是拒绝回答，而不是权重。去审查不改变权重，而是移除产生拒绝回答的方向。

构成如下：

---

什么是去审查（abliteration）？

去审查（abliteration）是移除模型拒绝回答（如「我无法帮助」等安全回复）的技术。AI 模型在训练时会被调整到拒绝危险内容；该技术移除产生这些拒绝回答的方向。

重要要点（如实说明）：

• 没有大幅改变模型的权重或基本能力
• 安全过滤被大幅削减（= 可能生成不当内容）
• 作者明确说明并未对所有 expert 模块进行去审查（属 proof-of-concept 实现）

简而言之，并不是「变聪明了」，而是「限制被解除」。智能仍来自基础 DeepSeek V4 Flash 0731，只是移除了拒绝回答。

---

如何本地运行：llama.cpp

该模型为GGUF 格式，可在 llama.cpp 等工具中本地运行。README 中的运行示例（需要最新版 llama.cpp）：

llama-cli -m CoreWolf/Huihui-DeepSeek-V4-Flash-0731-abliterated-GGUF/DeepSeek-V4-Flash-Q3_K-0731.gguf -c 262144

• -m：指定模型文件
• -c 262144：上下文长度（26 万 token = 基础 DeepSeek V4 Flash 规格）

主要 GGUF 文件（按量化）：

※ BF16 精度优先、体积大；Q8_0/Q3_K 为量化（更轻）。请按显存与需求选择。

---

无审查版的注意事项（最重要・务必阅读）

使用前，请如实了解作者明示的所有使用警告：

1. 敏感或有争议输出的风险：安全过滤大幅削减，可能生成不当内容。请务必谨慎审查输出。
2. 并非适合所有人群：不适合公开场合、未成年人或高安全需求的应用。
3. 法律与伦理责任在使用者：若输出带来法律或伦理风险，责任完全在使用者。
4. 建议用于研究/测试：建议在研究、测试或受控环境中使用，避免在生产或公开商业应用直接使用。
5. 建议实时监控：请实时监控输出，必要时进行人工审查。
6. 没有默认安全保证：与标准模型不同，未进行严格安全优化（huihui.ai 明确不对后果负责）。

---

总结：这个模型是做什么用的

该模型是为在本地（GGUF）验证 DeepSeek V4 Flash 0731「无审查」方向可能性的研究资源。

若追求「智能」，应使用标准 DeepSeek V4 Flash。该模型的价值，在于以本地运行的方式验证「去审查（abliteration）」这一技术尝试。

使用时，请务必以研究与教育为目的，并负责任地管理输出。本文也是在责任使用的前提下提供信息。

相关文章

• abliterated-model-large-v2 指南 2026：基于 GLM-5.3 的拒绝向量移除模型

• 在 Hermes 中一键本地运行 Unsloth GGUF！支持 Qwen3.8-27B、Qwen3.8-Flash、DeepSeek-V4-Flash（2026）
• 【2026】Qwen3.8-27B 无审查版 12GB GGUF 完全解析！Ridge式混合量化，本地实测 37 tok/s
• 【2026】Qwen3.8-Flash-Next GGUF 本地运行指南：unsloth 量化、内存需求与 PC 配置