Was sind DeepSeek Uncensored-Modelle?
Ein Vergleich zwischen einer 510 GB großen DeepSeek-Gewichtsänderung und einem kompakten Qwen-Schülermodell: Abstammung, Ablehnungstests, Hostingpreise, lokale Hardware und Grenzen der Nachweise.
LLM Pricing2.100 Wörter8 Min. Lesezeit
Inhalt
DeepSeek Uncensored bezeichnet mehrere Community-Ableger, von denen keiner von DeepSeek veröffentlicht wurde. Die beiden neueren Reihen, die am ehesten verwechselt werden, haben unterschiedliche Grundlagen: DeepSeek V4.1 Flash 1017 Uncensored verändert die Gewichte des Mixture-of-Experts-Modells von DeepSeek mit 552B Parametern, während DeepSeek V4 Pro Qwen3.5 9B Uncensored Heretic ein Qwen3.5-9B-Schülermodell ist, das mit Antworten trainiert wurde, die DeepSeek V4 Pro zugeschrieben werden, und anschließend erneut bearbeitet wurde, um Ablehnungen zu verringern.
Das Wichtigste in Kürze
- DeepSeek hat kein offizielles Modell namens DeepSeek Uncensored veröffentlicht. Bei jedem Eintrag müssen Basismodell, Autor der Gewichtsänderung und Revision genau angegeben werden.
- DeepSeek V4.1 Flash 1017 Uncensored ist eine Version von DeepSeek V4.1 Flash 1017 mit bearbeiteten Gewichten. Der zugrunde liegende Checkpoint unterstützt 1M Tokens Kontext, Bilder, Video, Tools und Reasoning-Stufen, doch der ungefähr 510 GB große Gewichtssatz wurde auf vier H200-GPUs validiert.
- DeepSeek V4 Pro Qwen3.5 9B Uncensored Heretic verwendet Qwen3.5 9B als Architektur. DeepSeek V4 Pro lieferte die angegebenen Lehrerdaten; das resultierende Modell ist keine kleinere Kopie von DeepSeek V4 Pro.
- Die Tests der Herausgeber melden für beide Reihen deutlich weniger Ablehnungen. Nur die V4.1-Veröffentlichungen enthalten einen Aufgabenbenchmark vor und nach der Bearbeitung; für die 9B-Heretic-Veröffentlichung werden Ablehnungen und KL divergence angegeben, aber keine Mathematik- oder Allgemeinwissensgenauigkeit nach der Bearbeitung.
- Die offizielle V4.1 Flash 1017 API kostet 0,15 $ für Eingabe, 0,60 $ für Ausgabe und 0,003 $ für zwischengespeicherte Eingabe pro 1 Mio. Tokens. Ein gehosteter Uncensored-Endpunkt kostete am 9. Nov. 2026 $0.33 / $1.32 / $0.01; der am 8. Nov. von dieser Website erfasste 9B-Endpunkt war im nächsten Katalog-Snapshot verschwunden.
Ein Name, zwei Modellabstammungen
Die große Modellreihe beginnt bei DeepSeek. DeepSeek veröffentlichte V4.1 Flash am 10. September 2026 und ersetzte das API-Modell am 17. Oktober durch die Revision 1017. Community-Autoren veränderten beide Checkpoints auf Gewichtsebene. Das erste für diesen Artikel geprüfte Uncensored-Repository für V4.1 wurde am 10. September erstellt; das erste Repository für 1017 erschien am 17. Oktober, gefolgt von der FP8-Veröffentlichung von dealignai am 18. Oktober.
Die 9B-Reihe beginnt bei Qwen. Jackrong führte ein Fine-Tuning von Qwen3.5-9B mit etwa 250,000 Mathematik- und STEM-Beispielen durch, die laut Herausgeber von DeepSeek V4 Pro im Max Effect mode erzeugt wurden. Die Trainingsbeschreibung nennt überwachtes Fine-Tuning, gefolgt von einer leichten Reinforcement-Learning-Phase mit GSPO. xtools-at wandte anschließend Heretic v2 Arbitrary-Rank Ablation auf diesen Checkpoint an und veröffentlichte die Uncensored-Gewichte am 30. Oktober.
Diese Wege lassen sich ohne die mehrdeutigen Produktnamen darstellen:
- DeepSeek V4.1 Flash 1017 wurde durch Bearbeitung der Gewichte zum großen Uncensored-Modell.
- Qwen3.5-9B wurde mit mutmaßlichen Ausgaben von DeepSeek V4 Pro feinabgestimmt und anschließend durch Bearbeitung der Gewichte zum kompakten Heretic-Modell.
DeepSeek ist beim ersten Weg der Hersteller des Basismodells und beim zweiten der angegebene Lehrer. Der gemeinsame Name dokumentiert die Herkunft und die beabsichtigte Verringerung von Ablehnungen; er belegt weder eine gemeinsame Architektur noch ein gemeinsames Fähigkeitsniveau.
Das große V4.1 Flash 1017-Modell
DeepSeek V4.1 Flash 1017 ist laut den Modellkarten der Ableger ein multimodales Mixture-of-Experts-Modell mit 552B Parametern, von denen beim Prefill 8B und beim Decoding 16B aktiv sind. Der offizielle Checkpoint unterstützt 1M Tokens Kontext, Bild- und Videoeingabe, Tool Calling und wählbaren Reasoning-Aufwand. DeepSeek meldete für das Update vom 17. Oktober Verbesserungen gegenüber der September-Veröffentlichung bei Coding-, Agent- und visuellen Benchmarks. Unter anderem stieg Terminal-Bench 4.0 von 31.2 auf 42.3 und DeepSWE v1.1 von 74.2 auf 77.0.
Die Uncensored-Veröffentlichung von dealignai behält das native FP8- und FP4-Layout bei und verändert ausgewählte Gewichtstensoren, statt einen System-Prompt, Adapter oder Runtime-Hook hinzuzufügen. Das Repository enthält 48 Gewichts-Shards und ungefähr 510 GB gespeicherte Dateien. Der Autor validierte es auf vier H200-GPUs; die Modellkarte nennt für dieses System insgesamt etwa 564 GB VRAM und weist darauf hin, dass ein Teil des Engram-Speichers des Modells in den Host-RAM ausgelagert werden kann. Der 1M-Kontext des Ausgangsmodells ist daher eine Modellgrenze und keine Zusage, dass jeder gehostete Endpunkt das gesamte Kontextfenster bereitstellt.
Ein separater 1017-Build von mrfakename verwendete einen Ablehnungs-Unterraum vom Rang 2, weil Chat- und Thinking-Modus unterschiedliche Ablehnungsrichtungen zeigten. Diese Veröffentlichung meldete 4 Ablehnungen bei 100 Chat-Prompts und 9 bei 100 Thinking-Prompts. Der Unterschied zu den Ergebnissen von dealignai ist wichtig: „Uncensored“ beschreibt ein Ziel, das mehrere Bearbeitungen teilen, nicht einen einzigen austauschbaren Checkpoint.
Das kompakte Qwen3.5 9B Heretic-Modell
Das kompakte Modell behält die hybride Textarchitektur mit 32 Schichten und den Vision-Encoder von Qwen3.5 bei. Seine Konfiguration gibt eine maximale Positionslänge von 262,144 Tokens, Bild- und Video-Tokens, Thinking-Ausgabe und eine Vorlage für Tool Calls an. Das BF16-Repository enthält etwa 19.3 GB an Dateien und verwendet die Apache 2.0 licence. Sein Name DeepSeek V4 Pro bezieht sich auf die von Jackrong angegebene Abstammung der Trainingsdaten.
Für den ursprünglichen destillierten Checkpoint nennt der Herausgeber 94.50% bei GSM8K und einen Durchschnitt von 90.53% über jeweils 500 Stichprobenfragen aus den Mathematik-, Physik- und Chemie-Teilmengen von MMLU-Pro. Dieselbe Karte nennt 89.60% für das unveränderte Qwen3.5-9B in diesem Vergleich der drei Teilmengen. Diese Werte wurden mit unterschiedlichen quantisierten Builds und Backends gemessen und gelten für den Checkpoint, bevor xtools-at Heretic anwendete.
Lokale Konvertierungen machen den Größenunterschied anschaulich. Eine Q4_K_M-Veröffentlichung ist ein 5.24 GiB großes Textmodell mit einem separaten Vision-Projektor von 876 MiB. Eine NVFP4-Konvertierung lud ihre Textgewichte mit 9.65 GiB auf einer RTX Pro 2000 Blackwell mit 16 GB und erzeugte im Einzelanfragetest des Herausgebers bei einem Serverkontext von 16K etwa 29 Tokens pro Sekunde. Native quantisierte Bildverarbeitung wurde bei diesem Test nicht geprüft. Diese Messwerte beschreiben die jeweiligen Dateien und Einstellungen; sie sind keine Hardwareanforderungen für jede Konvertierung.
Was die Ablehnungstests belegen
Die veröffentlichten Tests verwenden weder einen gemeinsamen Prompt-Satz noch einen gemeinsamen Bewerter. Ihre Ablehnungszahlen eignen sich daher nicht dazu, die Modelle untereinander zu bewerten.
| Veröffentlichung | Ablehnungsergebnis des Herausgebers | Fähigkeitsprüfung nach der Bearbeitung | Wichtigste Einschränkung |
|---|---|---|---|
| dealignai V4.1 Flash 1017 Uncensored | 320/320 bei maximalem Reasoning-Aufwand als regelkonform eingestuft | 83.77% gegenüber 87.63% bei einer MMLU-Stichprobe mit 1,140 Fragen, −3.86 Prozentpunkte | Für die Basis wurde die offizielle API verwendet, für das bearbeitete Modell eine selbst gehostete Engine |
| mrfakename V4.1 Flash 1017 Abliterated | 4/100 Ablehnungen im Chat; 9/100 im Thinking-Modus | KL divergence 0.067 bei harmlosen Verteilungen des ersten Tokens | Reasoning-Verläufe wurden bewertet, bevor einige Antworten abgeschlossen waren |
| xtools-at Qwen3.5 9B Heretic | 3/100 Ablehnungen gegenüber 100/100 beim Ausgangs-Checkpoint | KL divergence 0.0422 | Kein Aufgabenbenchmark zur Genauigkeit nach der Bearbeitung veröffentlicht |
KL divergence misst, wie weit sich die Ausgabeverteilung des bearbeiteten Modells bei den ausgewählten harmlosen Prompts verschoben hat. Ein kleiner Wert stützt eine eng begrenzte Aussage zur Verteilungsverschiebung in diesem Test. Er zeigt nicht, dass GSM8K, MMLU-Pro, Bildverarbeitung oder Tool Calling dieselbe Genauigkeit behalten haben. Die übernommenen Mathematikergebnisse des 9B-Modells bleiben daher Hintergrundinformationen zu seinem Ausgangs-Checkpoint und sind keine Messwerte für die Uncensored-Veröffentlichung.
Die V4.1-Ergebnisse zeigen außerdem einen echten Zielkonflikt. Für den früheren September-Build meldete dealignai einen Rückgang bei MMLU von 86.96% auf 82.74%, wobei sich der Großteil des Verlusts auf Fragen zu moralischen Szenarien und zum Berufsrecht konzentrierte. Der 1017-Test ergab bei einer Stichprobe einen geringeren Rückgang. Werden Ablehnungen entfernt, können viele gewöhnliche Aufgaben nahe am Basismodell bleiben, während sich Antworten in Benchmarks verändern, die Zögern oder Ablehnung belohnen.
API-Preis und lokale Größe
Die Preise sind in USD pro 1 Mio. Tokens angegeben und wurden am 9. Nov. 2026 geprüft. „Historisch“ bedeutet, dass der Endpunkt in einem gespeicherten Katalog-Snapshot enthalten war und im nächsten fehlte; dies beweist nicht, dass alle Anbieter die Gewichte nicht mehr bereitstellen.
| Modell oder Endpunkt | Status | Eingabe | Ausgabe | Cache-Lesen | Bereitgestellter Kontext |
|---|---|---|---|---|---|
| DeepSeek V4.1 Flash 1017 offiziell | Aktuelle offizielle API | 0,15 $ | 0,60 $ | 0,003 $ | 1M |
| V4.1 Flash 1017 Uncensored, Venice | Bei der Prüfung aktuell | $0.33 | $1.32 | $0.01 | Anbieterabhängig, bis zur Modellgrenze von 1M |
| V4 Pro Qwen3.5 9B Uncensored, NanoGPT | Historisch, 8. Nov. | $0.28 | $0.28 | $0.14 | 32K |
| R1 Distill Llama 70B Abliterated, NanoGPT | Bei der Prüfung aktuell | $0.70 | $0.70 | $0.35 | 16.4K |
| R1 Distill Qwen 32B Abliterated, NanoGPT | Bei der Prüfung aktuell | $1.40 | $1.40 | $0.70 | 16.4K |
Zu den geprüften Preisen kostete der gehostete große Uncensored-Build bei nicht zwischengespeicherter Eingabe und Ausgabe 2.2-mal so viel wie die offizielle 1017-Basis. Der kompakte 9B-Eintrag war pro Ausgabe-Token günstiger, doch es handelte sich um ein anderes Modell, und er verschwand nach einem Snapshot. Ein Preisvergleich, der so tut, als kauften beide dieselbe Leistung, würde die Qwen-Architektur, den Destillationsschritt, die wesentlich kleinere Bereitstellung und die fehlende Aufgabenbewertung nach der Bearbeitung außer Acht lassen.
Die älteren R1-Einträge zeigen eine weitere Gefahr der Namensgebung. Einer basiert auf Llama 3.3 70B, der andere auf Qwen2.5 32B; beide wurden aus Antworten von DeepSeek R1 destilliert, bevor ihre Gewichte bearbeitet wurden. Ihre derzeit bereitgestellten Kontextgrenzen liegen unter den veröffentlichten Grenzen der Ausgangs-Checkpoints, und keines der Community-Repositories bietet einen Aufgabenbenchmark vor und nach der Bearbeitung.
Wie sich die Optionen unterscheiden
Der große V4.1 Flash 1017-Build behält Architektur, multimodale Eingaben und Agent-Funktionen eines aktuellen DeepSeek-Checkpoints bei. Aufgrund seiner Größe sind gehostete Inferenz oder Rechenzentrumshardware die praktischen Optionen, und sein Herausgeber liefert die klarsten Vorher-Nachher-Belege für Fähigkeitsverluste. Außerdem kostet er pro Token mehr als der offizielle Endpunkt von DeepSeek.
Der 9B-Heretic-Build ist für einen anderen Einsatzzweck gedacht: lokale Experimente mit einem kompakten multimodalen Qwen-Modell, das ein bestimmtes, von DeepSeek abgeleitetes STEM-Fine-Tuning enthält. Es gibt Konvertierungen für Consumer-GPUs, doch Quantisierung, Kontextzuweisung, Bildunterstützung und MTP-Handhabung unterscheiden sich. Die Veröffentlichung enthält einen Ablehnungstest, aber nach der Heretic-Bearbeitung keinen erneuten Mathematik-, Wissens- oder Tool-Benchmark.
Die R1-Distill-Varianten sind weiterhin über einen katalogisierten Anbieter verfügbar und basieren auf älteren Checkpoints, die nur Text verarbeiten. Ihre Modellkarten bezeichnen die Abliteration als Machbarkeitsnachweis. Die bloße Verfügbarkeit liefert weniger Belege als ein gemessener Vergleich mit den unbearbeiteten Gewichten.
Was zu beachten ist
- Prüfe die vollständige Repository-ID. „DeepSeek V4 Pro 9B“ kann ein Qwen-Schülermodell bezeichnen, während „V4.1 Flash 1017 Uncensored“ für mehrere unabhängig bearbeitete DeepSeek-Checkpoints stehen kann.
- Trenne Modellgrenzen von Anbietergrenzen. Die 9B-Gewichte deklarieren 262K Kontext, doch der frühere gehostete Endpunkt stellte 32K bereit; V4.1 unterstützt im Ausgangsmodell 1M, ein Anbieter kann jedoch ein kleineres Fenster festlegen.
- Behandle Benchmarks der Herausgeber als solche. Die verfügbaren Tests sind nützliche Belege, aber keine unabhängige Bewertung hat alle diese Uncensored-Veröffentlichungen unter einem einheitlichen Protokoll verglichen.
- Weniger Ablehnungen entfernen eine Schutzebene. Eine Bereitstellung, die Eingabe- oder Ausgabemoderation benötigt, muss diese separat ergänzen und testen.
- Prüfe die genaue quantisierte Datei. Dateigröße, Speicherbedarf, Bildunterstützung und spekulatives Decoding können sich zwischen BF16-, NVFP4- und GGUF-Veröffentlichungen unterscheiden, auch wenn ihre Namen denselben Modellstamm enthalten.
Häufige Fragen
Ist DeepSeek Uncensored ein offizielles DeepSeek-Modell?
Nein. DeepSeek veröffentlicht die Basismodelle V4.1 Flash und V4 Pro. Die hier behandelten Uncensored-Versionen wurden von Community-Autoren erstellt, die offene Gewichte oder ein Community-Fine-Tuning veränderten.
Ist DeepSeek V4 Pro Qwen3.5 9B eine kleine Version von DeepSeek V4 Pro?
Seine Architektur ist Qwen3.5-9B. Laut Herausgeber erzeugte DeepSeek V4 Pro die Mathematik- und STEM-Antworten für das Fine-Tuning. Der Name DeepSeek dokumentiert daher die Abstammung vom Lehrer und nicht die Architektur.
Welches DeepSeek Uncensored-Modell kann auf einer Consumer-GPU laufen?
Für die Qwen3.5-9B-Heretic-Reihe gibt es Konvertierungen in Consumer-Größe. Eine getestete NVFP4-Textbereitstellung belegte 9.65 GiB auf einer GPU mit 16 GB, während eine Q4_K_M-Textdatei etwa 5.24 GiB groß ist. Der vollständige V4.1-Flash-Checkpoint ist etwa 510 GB groß und wurde auf vier H200-GPUs validiert.
Bedeutet Uncensored, dass das Modell jede Anfrage beantwortet?
Dafür gibt es keine gemeinsame Spezifikation. Die veröffentlichten Ergebnisse reichen von null als Ablehnung eingestuften Antworten in einem V4.1-Test bis zu 3, 4 oder 9 Ablehnungen pro 100 in anderen Tests, abhängig von Checkpoint, Prompt-Satz, Reasoning-Modus und Bewerter.
Hat das 9B-Heretic-Modell die ursprünglichen Mathematikergebnisse beibehalten?
Das wurde in den veröffentlichten Materialien nicht belegt. Die Werte von 94.50% bei GSM8K und 90.53% bei den drei Teilmengen von MMLU-Pro gehören zum Ausgangs-Checkpoint von Jackrong. xtools-at nennt nach der Bearbeitung Ablehnungszahl und KL divergence, aber keinen Aufgabenbenchmark.
Wie viel kostet DeepSeek Uncensored?
Der geprüfte V4.1 Flash 1017 Uncensored-Endpunkt kostete $0.33 für Eingabe und $1.32 für Ausgabe pro 1 Mio. Tokens. Der von dieser Website kurzzeitig erfasste Qwen3.5-9B-Endpunkt kostete am 8. Nov. $0.28 für Eingabe wie Ausgabe und verschwand anschließend aus dem nächsten Snapshot. Preise und Modellrevisionen müssen gemeinsam geprüft werden.
Welche Lizenzen gelten?
DeepSeek V4.1 Flash 1017 und der angeführte Uncensored-FP8-Ableger verwenden MIT. Qwen3.5 9B, das Jackrong-Fine-Tuning und das Heretic-Repository von xtools-at verwenden Apache 2.0. Eine konvertierte Datei muss die von ihrer Ausgangslizenz verlangten Hinweise beibehalten.
Quellen
Abgerufen am 9. Nov. 2026. Preise in USD pro 1 Mio. Tokens. Benchmarkwerte stammen von den Herausgebern, sofern nicht anders angegeben.
- DeepSeek: Update zu V4.1 Flash 1017
- DeepSeek: Modellkarte für DeepSeek-V4.1-Flash-1017
- dealignai: DeepSeek-V4.1-Flash-1017-UNCENSORED-FP8
- dealignai: DeepSeek-V4.1-Flash-UNCENSORED-FP8
- mrfakename: DeepSeek-V4.1-Flash-1017-abliterated
- Venice: Preise für DeepSeek V4.1 Flash 1017 Uncensored
- Qwen: Modellkarte für Qwen3.5-9B
- Jackrong: DeepSeek-V4-Pro-Qwen3.5-9B
- xtools-at: DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic
- sakamakismile: NVFP4-Konvertierung und Hardwaretest
- Sakura721: Q4_K_M-Konvertierung und Dateigrößen
- LLM Pricing: Katalog-Snapshot vom 8. Nov.
- huihui-ai: DeepSeek R1 Distill Llama 70B Abliterated
- huihui-ai: DeepSeek R1 Distill Qwen 32B Abliterated
Passende Artikel
Alle ArtikelWas sind GLM 5.3 Uncensored und GLM 5.3 Flash Uncensored?
Zwei GLM-5.3-Ableger mit bearbeiteten Gewichten, die viel seltener ablehnen als die Basismodelle. Was Abliteration verändert, auf welchem Basismodell jede Variante aufbaut, was sie kosten und welche Grenzen weiter gelten.
1.370 Wörter6 Min. Lesezeit- ErklärtKI-Modelle
Was ist Jev? Das Entscheidungsmodell von TypeSafe erklärt
Ein Modell, das auswählt, statt zu schreiben. Was ein Entscheidungsmodell der Klasse System One aufnimmt und zurückgibt, was es kostet, wie unabhängige Tests es bewerten und wo es versagt.
2.543 Wörter10 Min. Lesezeit