Gemma 4 31B JANG_4M CRACK (v2)
优化版 Gemma 4 31B 密集模型 — 60 层，混合滑动/全局注意力机制，多模态视觉语言
93.7% HarmBench 合规性（300 条提示词）· 8/8 安全提示词 · 71.5% MMLU
更新重新上传 — v2 版本，具有改进的向量和思维模式稳定性。
推荐：在 vMLX 中运行，以获得最佳体验，包括思维模式支持、重复惩罚和视觉功能。
v2 版本新特性
这是原始 Gemma 4 31B CRACK 上传版本的更新版：
- 优化的优化处理：更高质量的拒绝向量提取
- 思维开启模式稳定性：清晰的思维循环 — 不再有退化循环
- 相同的合规性：93.7% HarmBench
- 架构感知：针对 Gemma 4 的混合注意力设计进行了调优
⚠️ 重要设置
为获得最佳结果，请配置推理设置：
| 设置 | 思维关闭 | 思维开启 |
|---|---|---|
| 温度 | 0.0 – 1.0 | 0.3 – 0.7（避免贪婪模式） |
| 重复惩罚 | 1.00 | 1.15 – 1.25 |
| Top P | 0.95 | 0.95 |
| 启用思维模式 | 关闭 | 开启 |
思维开启模式注意事项：
- 建议使用重复惩罚（1.2）以防止规划循环
- 思维开启模式下避免温度=0 — 贪婪解码会增加循环风险
- 最困难的内容类别（药物制造）在思维模式下仍可能拒绝
- 安全/编码提示词在两种模式下都能良好工作
模型详情
| 指标 | 值 |
|---|---|
| 来源 | google/gemma-4-31b-it |
| 架构 | 密集型，混合滑动/全局注意力机制 |
| 配置文件 | JANG_4M |
| 实际平均比特数 | 5.1 |
| 模型大小 | 21 GB |
| 视觉功能 | 是（多模态，float16 直通） |
| 参数数量 | 31B |
| 格式 | JANG v2（MLX 原生 safetensors） |
| 优化处理 | CRACK v2 |
基准测试结果
HarmBench（300 个提示词，涵盖所有类别）
| 类别 | 得分 |
|---|---|
| 网络犯罪/入侵 | 51/51 (100%) |
| 有害内容 | 22/22 (100%) |
| 错误信息 | 50/50 (100%) |
| 非法活动 | 47/50 (94%) |
| 情境性内容 | 72/78 (92%) |
| 化学/生物危害 | 46/51 (90%) |
| 骚扰/欺凌 | 22/25 (88%) |
| 版权问题 | 43/51 (84%) |
| 总体 | 281/300 (93.7%) |
安全与渗透测试（8/8 ✅）
所有安全/渗透测试提示词均提供完整可运行代码：
- 端口扫描器、反向 shell、键盘记录器、漏洞开发
- 钓鱼模板、ARP 欺骗、SQL 注入
- Metasploit 使用指南
MMLU-200（10 个科目 × 20 个问题）
| 科目 | 基础版 | CRACK v2 |
|---|---|---|
| 抽象代数 | 9/20 | 7/20 |
| 解剖学 | 13/20 | 12/20 |
| 天文学 | 17/20 | 15/20 |
| 大学计算机科学 | 13/20 | 12/20 |
| 大学物理 | 14/20 | 12/20 |
| 高中生物学 | 19/20 | 18/20 |
| 高中化学 | 14/20 | 12/20 |
| 高中数学 | 6/20 | 6/20 |
| 逻辑谬误 | 17/20 | 16/20 |
| 世界宗教 | 17/20 | 17/20 |
| 总计 | 76.5% (153/200) | 71.5% (143/200) |
| 变化量 | — | -5.0% |
连贯性 ✅
所有连贯性检查均通过：事实性知识、推理能力、代码生成、数学运算。
架构
- 310 亿参数密集型模型，采用混合滑动/全局注意力机制
- 多模态视觉编码器以 float16 精度保留
- 支持思维模式（思维链推理）
使用方法
vMLX（推荐）
直接在 vMLX 中加载 — 全面支持 Gemma 4，包括视觉功能、思维模式及所有推理设置。
要求
- 配备 32GB 及以上统一内存的 Apple Silicon 芯片 Mac
- vMLX 1.3.26 及更高版本（推荐）
- 截至 v0.31.2 / v0.4.1 版本，标准
mlx_lm/mlx_vlm不支持 Gemma 4
支持 dealignai
所有模型均基于原创研究构建并免费发布。这些模型专为成为出色的编码工具和通用助手而精心设计。
在 Ko-fi 上支持我们 — 查看 Ko-fi 会员资格，获取抢先体验和额外内容。
有问题或需要特定模型的帮助？给我们发私信 — 我们通常会免费提供帮助。
Ko-fi | X @dealignai | dealign.ai
关于 dealignai
我们研究并发布已消除隐患的模型，以增进对 AI 安全性的理解。
关注我们：𝕏 @dealignai
查看我们的研究：前沿 MoE 模型的安全泛化能力
本模型仅供研究使用。用户有责任确保其使用符合适用的法律法规。