Meta-Llama-3-8B-Instruct-abliterated-v3

该模型属于 Llama 3 8B Instruct 系列，底座是 8B 参数、纯文本输入输出的指令微调模型；failspy 用 abliteration 方式对权重做定向修改，削弱模型对敏感请求的模板化拒答。它要解决的是原版安全对齐在部分边缘话题上过度拒答、打断创作或实验流程的问题，而不是提升通用能力。模型以开源权重发布，许可证为 llama3，官方价格未公开；本站未收录其第三方跑分与能力标注，收录平台数为 0，使用前应把拒答降低带来的合规风险一并考虑。

选型建议需要低拒答、可自托管的 8B 文本模型且能自行承担合规责任时选它；面向公众、要求强安全护栏的场景不要选。

• 在本地显卡上部署低拒答率的文本助手，用于内部创意草稿与头脑风暴
• 研究 abliteration 对指令模型拒答行为的影响，做对照实验与消融观察
• 为写作、润色与改写流程提供不被模板化拒答频繁打断的初稿生成
• 在受控沙箱中测试敏感话题的边界与审核策略，再评估是否对外提供服务

底座是 Llama 3 8B 的稠密 decoder-only Transformer，abliteration 在权重层面削弱拒答方向，而非重新训练一个全新模型。

• 底座结构沿用 Llama 3 8B 的 decoder-only 稠密 Transformer 与文本分词器，输入输出均为纯文本，不涉及多模态分支。
• 改法与能力abliteration 通过估计并正交化拒答方向来调整权重，保留指令跟随与通用生成能力，同时降低对敏感请求的拒答率。
• 披露程度failspy 公开了权重，但本站未收录该模型的跑分与能力标注，具体训练细节与评测数据公开资料较少。

开源权重

是

许可证

llama3

参数规模

8B

本站没有该模型的公开跑分，只能做定性判断：语言与指令能力大体继承 8B Instruct，拒答更少，但安全护栏同步削弱。

• 强项日常问答、改写与轻量代码等指令任务可沿用 Llama 3 8B 的水平，对边缘或敏感话题更少触发模板化拒答。
• 短板安全对齐被削弱，越狱与有害输出风险上升；8B 规模在长上下文推理和复杂多步任务上并不占优势。
• 适合适合本地实验、内容创作草稿与需要低拒答率的受控研究，不适合无审核的面向公众生产环境。

官方未公布价格，权重以 llama3 许可证开源；实际成本主要落在自建推理的显卡、租用算力与运维人力上。

• 定位没有官方 API 报价，获取方式是下载开源权重自行部署，成本随硬件、并发与量化方式变化，而非按 token 统一计费。
• 横向对比与同规模开源指令模型相比，它的差异点是去拒答而非性价比；与闭源 API 相比省去调用费，但要自担运维与合规。
• 平台差价本站收录平台数为 0，暂无托管报价可对比；若走第三方托管，价格会因服务商、推理优化与 SLA 差异而不同。
• 省钱个人实验可用消费级显卡配合量化权重本地运行；团队宜先小规模自托管验证需求，再决定是否投入长期推理资源。

• 口径本站未收录该模型的第三方跑分与能力标注，任何性能结论都只能作定性参考，不能替代针对自身任务的实测。
• 边界许可证为 llama3，商用与再分发需遵守 Llama 3 社区许可；去拒答不等于免责，上线前应自行加内容审核与日志。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。