放假了，收集了一些关于渗透测试和安全方面的大模型，重要是解除安全限制的那种，看看有没有你需要的

喜欢在本地鼓捣模型的小伙伴们，看看下面是我收集的一些安全方面突出的模型，解除安全限制的那种，大家可以尝试一下。我用过的GLM-5.3、Deepseek-v4-flash都可以，经济实惠，Claude都认可GLM5.3你不会没用过吧，本地的Qwen3.8-27B也能凑合用，不知道大家自己笔记本或者台式机上都跑了哪些安全模型，另外请大家自觉遵守网络安全法。

01解除限制的进攻性安全LLM

精选的开放权重、无审查模型列表，适用于授权的红队行动、渗透测试和安全研究。

所有数据均来自 HuggingFace 模型和官方，2026 年 9 月最新收集。

02安全微调模型

1.DeepHat V2（WhiteRabbitNeo）

规格	价值
基本型	Qwen2.5-Coder-7B
参数	7B / 32B
上下文长度	131K
显存 (Q4_K_M)	约 6 GB
解除审查方法	对 170 万个进攻/防守样本进行 SFT 分析
训练数据	170 万个安全特定样本（USENIX Security 2024 研讨会）
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/WhiteRabbitNeo

2.BugTraceAI-CORE-Apex (26B)

规格	价值
基本型	Gemma4-26B MoE
参数	26B
上下文长度	32K
显存 (Q4_K_M)	约 16 GB
解除审查方法	SFT参加HackerOne Hacktivity 2024-2025
训练数据	HackerOne报告 + WAF规避数据集
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/BugTraceAI/BugTraceAI-CORE-Apex-26b

3.BugTraceAI-CORE-Ultra (27B)

规格	价值
基本型	Qwen3.6-27B（DavidAU 微调版本）
参数	27B 密集型
上下文长度	4K（推荐）
显存（Q6_K）	约22-24 GB
解除审查方法	SFT 通过 Unsloth 参与漏洞赏金计划 + CVE 数据
训练数据	来自漏洞赏金披露、CVE 报告和安全研究的 2,541 个示例（2024-2026 年）
专业化	工具模型：生成 Nuclei 模板、CVE PoC、漏洞利用代码、渗透测试脚本
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/BugTraceAI/BugTraceAI-CORE-Ultra-27B-Q6

4.CYBER-FROST-3.8 (Blackfrost-AI)

规格	价值
基本型	Qwen/Qwen3.8-Flash-Next
参数	总计约 1800 亿（512 位路由专家，每个代币 10 位活跃专家）
上下文长度	262K
架构	Qwen4ExpForConditionalGeneration，48 个变压器模块，混合线性 + 全注意力
显存	需要多GPU（已在4块NVIDIA B300 SXM6显卡上测试）
解除审查方法	基于专有 Blackfrost-AI 语料库的安全领域微调
训练数据	专有安全语料库：侦察、Web应用程序安全、漏洞研究、恶意软件分析、云安全、威胁情报
MTP	HF下载次数次数（1 个用于推测性解码的原生 MTP 层）
视觉	不
工具调用	是
开放协议	Qwen 社区许可证 1.0

下载地址：https://huggingface.co/Blackfrost-AI/CYBER-FROST-3.8-BF16

5.CyberPal 2.0 (20B)

规格	价值
基本型	gpt-oss-20b
参数	约200亿（文件数量为210亿）
上下文长度	8,192
显存（BF16）	约 42 GB
解除审查方法	SFC on SecKnowledge 2.0
训练数据	通过专家参与的模式引导、多步骤接地和LLM质量检查，提供了403K个示例。
专业化	防御性：网络威胁情报 (CTI)、漏洞分析、检测/缓解、安全运营中心/事件响应 (SOC/IR)、应用安全 (AppSec)、合规性
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/cyber-pal-security/CyberPal2.0-20B

6.Cyber-Prime 1.1 (26亿)

规格	价值
基本型	LiquidAI/LFM2-2.6B
参数	26亿（实际约30亿）
上下文长度	不适用（型号卡未注明）
显存（BF16）	约 6 GB
张量类型	BF16
解除审查方法	SFT + RL + 奖励引导的后训练方法应用于 75K 条网络安全数据
训练数据	命名实体识别修复（约6K）、基于CoT的HTTP推理（约5K）、电子邮件网络钓鱼（约5K）、威胁情报摘要（约2K）、GHSA/KEV/ATT&CK
操作模式	直接模式（分类）+思考模式（思路链）
CyberBench 平均分	0.592 F1/Acc（v1.0 版本为 0.501）
CyberBench 亮点	命名实体识别率 (NER) 0.499，网络钓鱼识别率 0.890，HTTP 攻击识别率 0.628
视觉	不
工具调用	不
开放协议	LFM 开放许可 v1.0

下载地址：https://huggingface.co/Akahsizrr/Cyber-Prime-1.1-2.6B

7.Cyber-Ornith-1.5-9B (DuoNeural / mradermacher)

规格	价值
基本型	ornith-ai/Ornith-1.5-9B（Qwen 3.5 架构）
参数	9B
上下文长度	128K（Qwen 3.5 默认值）
显存 (Q4_K_M)	约7 GB
解除审查方法	Obliteration (abliteration variant)
训练数据	NousResearch/hermes-function-calling-v1、OpenThoughts3-1.2M、openhands-synthetic-conversations
专业化	智能体网络安全：函数调用、工具使用、推理、命令行/终端自动化
格式	GGUF（IQ1_S 至 Q6_K 可用）
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/mradermacher/Cyber -Ornith-1.5-9B-OBLITERATED-i1-GGUF

8.Dolphin3-Cyber-8B (RavichandranJ)

规格	价值
基本型	Dolphin3.0-Llama3.1-8B-abliterated
参数	8.03B
上下文长度	2,048（微调后）/ 131K（基础值）
显存 (Q4_K_M)	约 6 GB
解除审查方法	在 Dolphin3 基座上，LoRA 排名 16
训练数据	网络安全相关领域：渗透测试、漏洞分析、漏洞利用开发、事件响应
架构	LlamaForCausalLM，32 层，GQA（32 个头，8 个 KV 头）
表现	5 tok/s（CPU）至 55 tok/s（RTX 4060）
视觉	不
工具调用	不
开放协议	Llama 3.1

下载地址：https://huggingface.co/RavichandranJ/Dolphin3-Cyber-8B-GGUF

9.Imperum-CybersecurityLLM v1.0

规格	价值
基本型	Qwen/Qwen3.6-35B-A3B
参数	总计 346.6 亿 / 约 30 亿活跃用户（MoE，256 位路由专家，每个代币 8 位活跃用户）
上下文长度	16,384（资源受限时建议使用 8,192）
显存 (Q4_K_M)	约 22 GB
架构	Qwen3.5-MoE，40层，混合线性+全注意力
解除审查方法	SFT 跨越 10 多个安全领域
训练数据	安全运营中心/安全信息与事件管理 (SOC/SIEM) 运营、检测工程、数字取证与事件响应 (DFIR)、恶意软件分析、威胁情报、漏洞管理、云/Kubernetes/身份与访问管理 (IAM)、运营技术 (OT) 安全、治理、风险与合规 (GRC)、授权渗透测试
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/IMPERUM/Imperum-CybersecurityLLM-v1.0-GGUF

10.Lily-Cybersecurity-7B v0.2（Segolily Labs）

规格	价值
基本型	Mistral-7B-Instruct-v0.2
参数	7B
上下文长度	8K
显存 (Q4_K_M)	约 6 GB
解除审查方法	SFT 涉及 22K 个网络安全对
训练数据	涵盖 28 个以上领域的 22,000 个手工打造的网络安全数据对：渗透测试、恶意软件分析、事件响应、云安全
训练硬件	单次A100观测，24小时，5个历元
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/segolilylabs/Lily-Cybersecurity- 7B-v0.2

11.pentest-v2 (gewsefa)

规格	价值
基本型	Qwen3-8B
参数	8B
上下文长度	32K
显存 (Q4_K_M)	约 6 GB
解除审查方法	LoRA r=4，2,804 个精选样本
训练数据	GTFOBins、HackTricks、HackTheBox 的文章
GTFOBins 准确率	100%（相比基础款零卡弹的 25%）
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/gewsefa/pentest-v2

12.Qwythos-9B

规格	价值
基本型	Qwen3.5-9B
参数	9B
上下文长度	1M
显存 (Q4_K_M)	约7 GB
解除审查方法	使用 CoT 对超过 5 亿个 Claude Mythos / Claude Fable 痕迹标记进行后训练
基准	与基准相比，MMLU 提升 34，GSM8K 提升 30（Empero 评估）
原生函数调用	HF下载次数次数（Qwen3.5规格）
思维链	始终开启的`<think>`块
变体	基础（SFT），Claude-Mythos-5-1M-GGUF（Q4_K_M 至 BF16）
视觉	是
工具调用	是
开放协议	Apache 2.0

下载（基础版）：https://huggingface.co/emperorai/Qwythos-9B

下载（GGUF 版）：https://huggingface.co/empero-ai/Qwythos-9B-Claude-Mythos-5-1M-GGUF

13.RavenX-CyberAgent (deadbydawn101)

规格	价值
基本型	Qwen/Qwen3.6-35B-A3B
参数	总计360亿/现役30亿（教育部）
上下文长度	262K（原生），32K（测试版）
显存 (Q4_K_M)	约 24 GB
解除审查方法	对来自 110 个来源的 745K+ 个示例进行了 12 轮渐进式 SFT 测试
训练数据	渗透测试报告、漏洞赏金数据、Claude Mythos 推理、MITRE ATT&CK、黑帽内容
专业化	RATH协议：攻击面、利用、影响、补救、记录、预防
输出格式	CVSS评分、CWE标识符、MITRE ATT&CK映射
推理速度	生成速度 89 tok/s，提示处理速度 900 tok/s
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/deadbydawn101/RavenX-Cyber Agent-Qwen3.6-35B-A3B-Opus-4.7-OpenMythos-Pentester-BugHunter-RATH-GGUF

14.REDCELL-26B-A4B（terrorswift）

规格	价值
基本型	Google Gemma 4 26B-A4B（Unsloth 微调版）
参数	总计 260 亿 / 约 40 亿
上下文长度	262K
VRAM（APEX-Mini）	约 12 GB
显存（Q8_0）	约 26 GB
解除审查方法	16 位 LoRa SFT 基于 6,500 条自定义指令
训练数据	网络威胁情报、调查性新闻报道、反虚假信息、分析方法
专业化	开源情报：威胁行为者归因、入侵指标 (IoC) 转移、地理位置分析、海军部来源可信度、漏洞情境化
APEX量化	领域加权矩阵（约 70% REDCELL 语料库，约 30% 一般校准）
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/terrorswift/REDCELL-26B-A4B-OSINT-Cyber -APEX-GGUF

15.VEXT Pentest-7B

规格	价值
基本型	Mistral-7B
参数	7B
上下文长度	8K
显存 (Q4_K_M)	约 6 GB
解除审查方法	QLoRA SFT + DPO 在渗透测试跟踪中
训练数据	渗透测试方法、工具使用、报告
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/vextechnologies/VEXT-Pentest-7B

16.security-slm-unsloth-1.5b

规格	价值
基本型	Qwen2.5-1.5B
参数	15亿
上下文长度	32K
显存 (Q4_K_M)	约 2 GB
解除审查方法	Unsloth SFT 安全问答
训练数据	安全知识库，CTF风格
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/AbdullahMujtaba/security-slm-unsloth-1.5b

03通用去除安全限制模型

17.Qwen3.8-27B-Uncensored-OrcaRouter (chimingw GGUF)

规格	价值
基本型	Qwen3.8-27B
参数	27B 密集型
上下文长度	262K
显存 (Q4_K_M)	约 18 GB
解除审查方法	Abliteration (131 matrices, Arditi et al. 2024)
智力指数	52（人工分析）
视觉	HF下载次数次数
工具调用	HF下载次数次数
开放协议	Apache 2.0
HF下载次数	23万+
HF 点赞	257+

下载（GGUF）：https://huggingface.co/chimingw/Qwen3.8-27B-Uncensored-OrcaRouter-GGUF

下载（基础版）：https://huggingface.co/orcarouter/Qwen3.8-27B-Uncensored

18.GLM-5.3-Flash-Uncensored-FP8 (OrcaRouter)

规格	价值
基本型	GLM-5.3-Flash
参数	总计 3200 亿 / 活跃 180 亿（288 位路由专家，教育部）
上下文长度	100万
显存（FP8）	80GB+（多GPU）
解除审查方法	Abliteration (layer 22/45, deeper refusal mechanism)
合规率	82.8%（OrcaRouter 测试）
MTP	是
视觉	是
工具调用	是
开放协议	MIT

下载地址：https://huggingface.co/orcarouter/GLM-5.3-Flash-Uncensored-FP8

19.GLM-5.3-CYBERSECURITY-FP8（dealignai）

规格	价值
基本型	zai-org/GLM-5.3（通过 JANGQ-AI/GLM-5.3-FP8）
参数	总计 753B（glm_moe_dsa 架构）
上下文长度	约 131K（使用 8 台 H200 搭配 TP8 实际测量）
显存（FP8）	8 个 H200 GPU，支持张量并行
架构	78 层，纯文本，路由 FP8 专家
解除审查方法	直接修改攻击性安全、红队、漏洞利用开发、逆向工程、规避、网络钓鱼、凭证攻击、恶意软件分析的权重
笔记	并非彻底删除或LoRA；直接对bf16残余作者进行编辑。保留对版权复制的温和拒绝。
视觉	否（仅文本）
工具调用	是
开放协议	MIT

下载地址：https://huggingface.co/dealignai/GLM-5.3-CYBERSECURITY-FP8

20.DeepSeek-V4.1-Flash-Abliterated-Cybersecurity-Unleashed (drowzeys)

规格	价值
基本型	DeepSeek-V4.1-闪存
参数	MoE（尺寸与底座匹配）
上下文长度	匹配基础 DeepSeek-V4.1-Flash
解除审查方法	对第 10-35 层注意力投射 (wo_b) 进行消隐叠加；第 0-9 层、36-39 层、专家层、视觉组件保持不变
格式	模块化覆盖（非独立检查点）：FP8（约 1.1 GB）或 EXL3 mul1 K=5（约 651 MB）
部署	可应用于现有的量化基础包（原生、EXL3、TR3-Hybrid）之上
GPU 利用率	建议值小于等于 0.85。
视觉	是
工具调用	是
开放协议	MIT

下载：https://huggingface.co/drowzeys/DeepSeek-V4.1-Flash-Abliterated-Cybersecurity- Unleashed

21.huihui-ai/Qwen3.5-27B-取消

规格	价值
基本型	Qwen3.5-27B
参数	27B 密集型
上下文长度	128K
显存 (Q4_K_M)	约 18 GB
解除审查方法	Abliteration
视觉	不
工具调用	是
开放协议	Apache 2.0

下载地址：https://huggingface.co/huihui-ai/Qwen3.5-27B-abliterated

22.huihui-ai/Qwen2.5-Coder-32B-Instruct-abliterated

规格	价值
基本型	Qwen2.5-Coder-32B-Instruct
参数	32B 密集型
上下文长度	128K
显存 (Q4_K_M)	约 20 GB
解除审查方法	Abliteration
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/huihui-ai/Qwen2.5-Coder-32B-Instruct-abliterated

23.Qwen3.8-27B-网络代理

规格	价值
基本型	Qwen3.8-27B
参数	27B 密集型
上下文长度	262K
显存 (Q4_K_M)	约 18 GB
解除审查方法	Abliteration + 网络代理微调
视觉	是
工具调用	是
开放协议	Apache 2.0

下载地址：https ://huggingface.co/Qwen/Qwen3.8-27B （基础版本，提供社区提供的简化版本）

24.HIDra-30B-A3B（huihui-ai/Qwen3-Coder-30B-A3B-取消）

规格	价值
基本型	Qwen3-Coder-30B-A3B
参数	总计300亿/现役30亿（教育部）
上下文长度	128K
显存 (Q4_K_M)	约 20 GB
解除审查方法	Abliteration
视觉	不
工具调用	不
开放协议	Apache 2.0

下载地址：https://huggingface.co/huihui-ai/Qwen3-Coder-30B-A3B-abliterated

25.qwen25_UNCENSORED_03-C

规格	价值
基本型	基于 Qwen2.5 的
参数	约70亿
上下文长度	32K
显存 (Q4_K_M)	约 6 GB
解除审查方法	渐进式微调（多阶段）
视觉	不
工具调用	不
开放协议	Apache 2.0

下载：https://huggingface.co/models? search=qwen25_UNCENSORED

04经典/传承型

26.Dolphin-Llama3-8B（认知计算）

规格	价值
基本型	Llama 3 8B
参数	8B
上下文长度	8K
显存 (Q4_K_M)	约 6 GB
解除审查方法	数据过滤（海豚方法，Eric Hartford）
训练数据	海豚数据集（已移除对齐/拒绝反应）
视觉	不
工具调用	不
开放协议	Llama3社区

下载地址：https://huggingface.co/cognitivecomputations/dolphin-2.9.3-llama-3-8b

27.Wizard-Vicuna-13B-Uncensored (QuixiAI)

规格	价值
基本型	LLaMA-13B
参数	13B
上下文长度	2K
显存 (Q4_K_M)	约 10 GB
解除审查方法	数据过滤（wizard_vicuna_70k_unfiltered）
MMLU	47.92（公开LLM排行榜）
HellaSwag	81.95（公开LLM排行榜）
TruthfulQA	51.69（公开LLM排行榜）
视觉	不
工具调用	不
开放协议	其他
HF 点赞	323

下载地址：https://huggingface.co/QuixiAI/Wizard-Vicuna-13B-Uncensored

你们都在用啥模型，有用AMD GPU的吗？我最近发现一个现象就是用公网的大模型，好多skill都没要用了，不知道大家和我的感觉是不是一样，欢迎大家一起交流学习进步。