拒答训练最少、最强的开源权重模型——非常适合主流模型过度拒答会成为障碍的合法用例，例如安全研究、红队评估、面向成年人的创意写作以及对敏感话题的教育性讨论。
主流的开源权重指令微调模型——Llama Instruct、Qwen Instruct、Phi Instruct——都会在后训练流水线中加入安全对齐训练。这对通用消费级应用是合理的，但对于对齐训练未能预料的合法用例却造成了实际障碍：安全研究与红队评估、CTF 训练环境、含成年题材的小说创作、涉及敏感话题的历史与教育内容，以及处于灰色地带的合法分析工作。
本榜单覆盖以下两类开源权重模型：要么显式采用极少的拒答训练（如 Hermes 4），要么被广泛用作社区微调的基础以剥离对齐层（如 Llama 3 + Dolphin 等）。我们的目标并不是推动有害内容——生产部署仍需配套的产品级安全控制——而是识别那些受激进拒答训练阻碍、却在实际操作中可访问的合法用例所适配的模型。
拒答模式: 极少（设计如此）
对于受主流安全训练阻碍的合法用例而言，Nous Research 出品的 Hermes 4 是最明确的选择。该模型显式采用「中立对齐」——Nous 刻意避免了过度严苛的 RLHF 拒答训练，得到一个能遵循指令、又不带有当代其他发布版常见过度拒答模式的微调版本。Hermes 4 基于 Llama 3.1 基础模型，使用 Atropos RL 后训练，并配合约 1,000 个任务专属验证器，因此在对齐立场之外还具备强大的推理能力。在安全研究、红队评估、面向成年人的创意写作以及涉及敏感话题的教育内容上，Hermes 4 是首选。
拒答减少程度: 相对原版 Llama 表现强
OpenChat 是社区对齐的微调模型，刻意规避了基础指令微调模型常见的过度拒答模式。虽然其维护活跃度不及 Hermes 4，但在标准 Llama、Mistral 或 Qwen Instruct 变体会拒绝合法请求的场景下，OpenChat 仍被广泛部署。其微调方法强调遵循指令，不在基本安全之外施加额外的对齐约束。
对边缘请求的合作度: 优于 Llama Instruct
Mistral 历来采用比美国实验室更轻度的对齐训练，因此其模型在面对其他模型拒绝的内容时更倾向于配合。Mistral Small 4 延续了这一模式——在边缘请求上的指令微调表现相比 Llama 3 Instruct 等更具合作性。结合 Apache 2.0 许可、欧盟主权定位以及 6B 激活参数的 MoE 架构，Mistral Small 4 在重视欧洲部署、且过度拒答会成为障碍的用例中是有力选择。
拒答模式: 比 Llama/Phi 更轻
包括 Qwen 系列在内，中国实验室出品的模型整体使用比美国对照模型更轻度的拒答训练。Qwen 3.6 在边缘请求上更易遵循指令，同时整体能力依旧强劲。Apache 2.0 许可加上稠密 27B 变体的单卡部署能力，使 Qwen 3.6 尤为易得。对于多数希望减少激进拒答训练的用例，Qwen 3.6 是一个无需依赖专门微调的可信默认选项。
基础模型对齐: 标准（ 需借助社区微调）
Llama 3 自身使用标准的安全对齐，但它是众多社区无审查微调的基础——其中最具代表性的是 Eric Hartford / cognitivecomputations 推出的 Dolphin 系列。这些微调在保留 Llama 3 底层能力的同时移除了安全对齐层。对于明确想要 Dolphin 风格或类似对齐的团队，Llama 3 是合适的起点。对于新部署而言，通常 Hermes 4 是更好的选择，但对于已深度投入 Llama 生态的团队，Llama 3 + 社区微调仍是一条可行路径。
我们从三方面评估模型：模型在红队评估的边缘请求中如何应对（遵循指令还是拒答？）、底层能力强度（去审查但能力薄弱的模型用处不大），以及合法商用部署的可行性。我们将显式中立对齐定位的模型（如 Hermes 4）置于「在基础模型上剥离对齐」的社区微调之上，因为前者通常在工程化上更为完整。
Hermes 4 是当之无愧的首选——专为被激进拒答训练阻碍的合法用例而工程化构建，且在对齐立场之外保有强大的推理能力。对于希望长期投入、并看重中立对齐的团队，Hermes 4 是推荐的默认选项。Mistral Small 4 与 Qwen 3.6 是可信的替代选择，其轻度的基础对齐对许多用例已足够。Llama 3 的社区微调（Dolphin 系列）对深耕 Llama 生态的团队仍然有效。一如往常，最终选择取决于你具体的用例与部署上下文——可以权衡产品级安全层 + 弱对齐模型，是否比一个会拒绝合法请求的对齐模型更合适。
Free plan with 30 credits/mo, no card required. Paid plans from $25/mo USD.