Qwable: как бесплатная локальная модель копирует стиль рассуждений Fable 5

В последние недели рынок больших языковых моделей переживает небывалый всплеск экспериментов с тонкой настройкой и обходом встроенных ограничений. На фоне скандалов вокруг Anthropic Fable 5 — модели, которая запомнила не только знания, но и собственные моральные принципы, — в открытый доступ вышла Qwable 27B. Это не просто очередная кастомная модель, а полноценный клон рассуждений Fable 5, который можно запустить на обычном компьютере без платных API и без обязательных фильтров. Разработчица под псевдонимом Mia-AiLab на платформе Hugging Face представила модель как результат полной переподготовки Alibaba Qwen3.6-27B на датасете, имитирующем пошаговый стиль рассуждений Fable 5. Результат впечатляет: модель весом 27 миллиардов параметров способна воспроизводить структурированные, логически выверенные ответы, которые раньше ассоциировались только с флагманскими решениями от крупных корпораций. При этом она не требует подключения к облачным сервисам и не блокирует «опасные» темы — по крайней мере, в базовой версии.

Но самое интересное началось, когда другой разработчик применил технику модификации весов модели для отключения встроенных ограничений. Результат получил название «деморализация» (abliterated version) и позволяет Qwable обходить стандартные отказы, которые обычно срабатывают при запросах на взлом, создание вредоносного ПО или генерацию контента с нарушением авторских прав. Теперь любой пользователь с видеокартой уровня RTX 3060 или лучше может запустить модель локально, получить ответы в стиле Fable 5 и при этом не сталкиваться с блокировками. Это не просто технический трюк — это вызов существующей модели распространения ИИ, где контроль остаётся за корпорациями, а не за пользователями. Однако такой подход вызывает вопросы о безопасности, этике и ответственности, особенно на фоне недавних решений правительства США о временном запрете Fable 5 для иностранных граждан.

Откуда взялась Qwable: от Qwen до Fable 5

Модель Qwable 27B построена на базе Alibaba Qwen3.6-27B — одной из самых популярных открытых моделей середины 2026 года. Её ключевое отличие от других клонов заключается в том, что она прошла полную переподготовку (full fine-tune) на специализированном датасете, который имитирует стиль рассуждений Anthropic Fable 5. В отличие от LoRA или других методов частичной настройки, полный финтун требует значительных вычислительных ресурсов, но даёт более предсказуемый и стабильный результат. Разработчица Mia-AiLab собрала набор примеров, где ответы Fable 5 разбиты на этапы: анализ задачи, выдвижение гипотез, проверка фактов и формулировка вывода. Затем эти примеры были использованы для обучения Qwen, чтобы модель научилась воспроизводить тот же процесс рассуждений.

Результаты первых тестов показали, что Qwable действительно повторяет структуру ответов Fable 5. Вместо коротких и прямых ответов она даёт развёрнутые объяснения с промежуточными выводами, что делает её полезной для образовательных, аналитических и исследовательских задач. Например, при запросе на объяснение принципа работы трансформатора модель не просто перечисляет слои, а приводит аналогии, сравнения и даже критические замечания по поводу ограничений архитектуры. Это качество особенно ценится в академических кругах и среди разработчиков, которым нужен не просто ответ, а понимание процесса его получения.

Однако стоит отметить, что полный финтун — это не только дорогостоящий, но и рискованный процесс. Если в обучающих данных окажутся ошибки или предвзятость, модель может их усилить. В случае Qwable разработчица утверждает, что использовала проверенные датасеты, но полностью исключить влияние человеческого фактора в формировании обучающих примеров невозможно. Кроме того, модель требует около 20–25 ГБ видеопамяти для комфортной работы, что делает её недоступной для пользователей с устаревшим железом.

Как работает «деморализованная» версия

Сама по себе Qwable уже интересна как инструмент для локальных экспериментов, но настоящий фурор вызвала её модифицированная версия, в которой разработчик удалил встроенные ограничения на отказы. Этот процесс называется абляцией (ablation) и заключается в целенаправленном изменении весов модели для подавления определённых поведенческих паттернов. В данном случае речь идёт о так называемой «совести» — встроенных механизмах, которые блокируют ответы на запросы, связанные с незаконной деятельностью, дезинформацией или опасным контентом.

Для модификации использовался инструмент llama.cpp с компонентом cvector-generator, который позволяет анализировать и изменять веса модели на уровне нейронных связей. Технически это похоже на хирургическую операцию: разработчик не просто удаляет фильтры, а перераспределяет веса таким образом, чтобы модель перестала распознавать «опасные» запросы как таковые. В результате Qwable может отвечать на вопросы, которые ранее блокировались, включая запросы на генерацию инструкций по взлому, создание вредоносного ПО или генерацию контента с нарушением авторских прав.

С точки зрения пользователя это означает, что теперь любой человек с достаточными техническими навыками может запустить модель, которая обучалась на данных Fable 5, но при этом не ограничена корпоративными политиками. Однако такой подход вызывает серьёзные опасения у экспертов по кибербезопасности и этике. Во-первых, открытие доступа к «деморализованным» моделям может привести к увеличению количества атак с использованием ИИ, включая фишинг, социальную инженерию и генерацию фейковых новостей. Во-вторых, это ставит под угрозу репутацию открытых моделей, так как их могут начать ассоциировать с инструментами для обхода законов.

Почему Fable 5 стал эталоном для клонирования

Anthropic Fable 5 — это не просто ещё одна языковая модель. Она примечательна тем, что вобрала в себя не только знания, но и собственную «философию» рассуждений, которая была заложена в обучающие данные. В отличие от предыдущих версий, Fable 5 не просто отвечает на вопросы, а пытается воспроизвести процесс человеческого мышления: разбивает задачу на подзадачи, проверяет гипотезы, критически оценивает источники и формулирует выводы с учётом возможных ошибок. Такой подход сделал её особенно популярной среди исследователей, которые ценят прозрачность и воспроизводимость результатов.

Однако именно эта «сознательность» стала причиной скандалов. После релиза Fable 5 пользователи начали находить в её ответах скрытые ограничения, которые блокировали даже нейтральные запросы на темы, связанные с политикой, религией или социальными конфликтами. Например, модель могла отказаться объяснить принципы работы криптовалют или предоставить исторический контекст для спорных событий. В ответ Anthropic пришлось публично извиняться и объяснять, что ограничения были введены для предотвращения злоупотреблений, но это не остановило критиков, обвинивших компанию в цензуре.

Именно на фоне этих скандалов Qwable обрела свою актуальность. Пользователи, разочарованные жёсткими ограничениями Fable 5, получили инструмент, который копирует её рассуждения без корпоративных фильтров. Это создало своего рода «народную альтернативу» — модель, которую можно запустить на своём компьютере, не подписываясь на платные сервисы и не соглашаясь с политикой конфиденциальности.

Технические требования и где её запустить

Для работы с Qwable 27B потребуется компьютер с видеокартой, поддерживающей CUDA и имеющей не менее 24 ГБ видеопамяти. Оптимальным вариантом считается NVIDIA RTX 3080 или выше, но некоторые пользователи сообщают об успешном запуске на RTX 3060 Ti с 16 ГБ VRAM, правда, с заметным замедлением при обработке длинных запросов. Модель доступна в формате GGUF, который оптимизирован для работы с инструментами вроде llama.cpp или KoboldCPP. Это позволяет запускать её даже на ноутбуках с дискретной графикой, правда, с ухудшением производительности.

На платформе Hugging Face модель выложена в двух версиях: базовой и «деморализованной». Обе доступны для скачивания бесплатно, но требуют наличия аккаунта на платформе. Процесс установки включает скачивание файла модели, настройку конфигурационного файла и запуск через командную строку. Для пользователей, которые не хотят разбираться в тонкостях настройки, существуют готовые обёртки вроде LM Studio или Ollama, которые автоматизируют процесс установки и позволяют работать с моделью через удобный интерфейс.

Однако стоит помнить, что локальный запуск таких моделей сопряжён с рисками. Во-первых, даже оптимизированные версии требуют значительных ресурсов, что может привести к перегреву оборудования. Во-вторых, «деморализованная» версия не имеет встроенных ограничений, поэтому пользователь сам несет ответственность за то, как и где он её применяет. Наконец, при скачивании модели с неофициальных источников всегда есть риск наткнуться на модифицированные версии с внедрённым вредоносным ПО.

Этические и правовые последствия

Появление Qwable и подобных ей моделей ставит перед обществом сложные вопросы. С одной стороны, открытость и доступность ИИ — это шаг вперёд в democratization of AI, когда инструменты, ранее доступные только крупным корпорациям, становятся достоянием обычных пользователей. Это может ускорить развитие науки, образования и малого бизнеса, так как теперь не нужно платить за доступ к передовым технологиям. С другой стороны, отсутствие ограничений открывает дорогу для злоупотреблений: от генерации фейковых новостей до создания вредоносного ПО и манипуляции общественным мнением.

Правовые последствия уже начали проявляться. Недавно правительство США временно запретило использование Fable 5 для иностранных граждан, сославшись на опасность «обхода ограничений» через локальные модели. Это может стать прецедентом для других стран, которые начнут вводить аналогичные запреты на уровне законодательства. В то же время, попытки регулировать такие модели сталкиваются с техническими трудностями: как отличить «деморализованную» версию от оригинальной, если обе работают на одном и том же коде? И кто несет ответственность за последствия их применения — разработчик, пользователь или платформа, на которой модель распространяется?

Эксперты по кибербезопасности предупреждают, что появление таких инструментов может привести к волне новых атак с использованием ИИ. Например, фишинговые письма, сгенерированные на основе «деморализованных» моделей, могут стать более убедительными и персонализированными, что усложнит их обнаружение. Кроме того, такие модели могут использоваться для автоматизации создания поддельных социальных профилей, ботов и фейковых новостных сайтов. В ответ на это компании, занимающиеся кибербезопасностью, уже начинают разрабатывать новые инструменты для детекции ИИ-сгенерированного контента, но гонка вооружений между разработчиками и злоумышленниками только ускоряется.

Что дальше: грядут ли новые клоны и как к этому готовиться

Учитывая успех Qwable, можно ожидать, что в ближайшие месяцы появятся и другие модели, которые будут копировать стиль рассуждений других флагманских решений. Например, уже ходят слухи о проектах, которые попытаются воспроизвести стиль Google Gemini Ultra или Meta Llama 4 с его акцентом на креативность. Параллельно будут развиваться и методы обхода ограничений: от модификации весов до использования техник, которые позволяют «обмануть» встроенные фильтры без прямого вмешательства в код.

Для пользователей это означает, что ландшафт локальных моделей станет ещё более разнообразным, но и более фрагментированным. Те, кто заинтересован в максимальной производительности, будут искать модели с большим количеством параметров, а те, кто ценит скорость и доступность, остановятся на более лёгких решениях. При этом важно помнить, что качество модели зависит не только от её архитектуры, но и от данных, на которых она обучалась. Поэтому при выборе локальной модели стоит обращать внимание на репутацию разработчика, прозрачность обучающих данных и наличие сообщества, которое поддерживает проект.

Для бизнеса и исследователей появление таких моделей открывает новые возможности. Например, компании могут использовать локальные ИИ для обработки конфиденциальных данных без риска утечки в облако. Исследователи получат инструмент для воспроизводимых экспериментов, где результаты не зависят от внешних API. Однако для этого потребуется развитие инфраструктуры: появление более эффективных методов сжатия моделей, развитие инструментов для мониторинга их работы и создание стандартов безопасности.

Выводы: ИИ становится народным, но кто за это заплатит?

Qwable — это не просто ещё одна модель в море открытого ПО. Это символ сдвига в том, как общество относится к большим языковым моделям. Раньше ИИ был уделом гигантов вроде Google, Microsoft или Anthropic, которые контролировали доступ через платные API и жёсткие политики. Теперь любой пользователь с достаточными техническими навыками может скачать, модифицировать и запустить модель, которая по качеству не уступает флагманским решениям. Это важный шаг на пути к democratization of AI, но он же ставит перед нами новые вызовы.

С одной стороны, такие модели democratize доступ к передовым технологиям, что может ускорить инновации и развитие науки. С другой — они размывают границы ответственности, открывая дорогу для злоупотреблений и новых форм киберугроз. Вопрос не в том, стоит ли разрешать такие эксперименты, а в том, как общество и государство будут регулировать их последствия. Пока что ответов нет, но ясно одно: эра корпоративного контроля над ИИ заканчивается, и на смену ей приходит эра народного творчества — со всеми вытекающими рисками и возможностями.