deepseek-v4-pro-qwen3.5-9b-uncensored-heretic 技术解析：DeepSeek 到底贡献了什么？

deepseek-v4-pro-qwen3.5-9b-uncensored-heretic 把教师、底座和修改工具写进了同一个名字：DeepSeek 是作者所称的教师数据源与命名来源，Qwen3.5-9B 提供模型本体，Heretic 再修改蒸馏后的 Qwen 权重。它是社区衍生模型，不是两家官方联名产品，也不是把 DeepSeek 与 Qwen 权重合并起来的新架构。

本文整合模型关系调研与原稿中的能力、评测和兼容性观察，只做技术解析。【已证实】表示能由公开文件或源码核验；【作者声明】表示模型卡或维护者的单方说明，不等于独立复现。 核查日期为 2026 年 11 月 10 日。

deepseek-v4-pro-qwen3.5-9b-uncensored-heretic 的三层关系

先看来源链，再读名字里的宣传词。

环节	实际角色	证据边界
DeepSeek-V4-Pro	教师回答与命名来源	【作者声明】约 25 万条数学、STEM 样本
Qwen3.5-9B → Jackrong 蒸馏版	学生架构与权重来源，接受后训练	【已证实】配置与权重索引属于 Qwen 架构
xtools-at heretic 版	对蒸馏后的 Qwen 权重做 ARA 编辑	【已证实】模型卡列出工具版本和层范围；效果数字仍属作者自报

【作者声明】Jackrong 称先用 DeepSeek-V4-Pro 生成的回答做监督微调（SFT），再进行轻量 GSPO 强化学习；两阶段都没有加入代码数据。这里描述的是响应或数据蒸馏：学生学习教师生成的文本。它不是把教师参数复制进学生，也没有公开证据表明做了逐 token 的 logit 蒸馏。蒸馏版 HF 模型卡

教师身份、样本数量及训练顺序都应保留归因。作者没有随模型公布足以独立复核教师来源的数据集、生成日志和完整训练记录，不能从最终权重反推出“这些回答一定来自 DeepSeek”。卡片里的“Max Effect”也只是作者用语，本文不将它写成经过官方核实的模式名称。

DeepSeek 官方未参与这次社区发布。 公开归属链指向 Qwen、unsloth、Jackrong 与 xtools-at；作者对教师模型的致谢不构成官方合作或背书。目前未发现官方参与的公开证据，不能把“使用教师输出”写成“官方提供训练数据”。Jackrong 模型卡、heretic 模型卡

为什么底座仍是 Qwen3.5-9B

【已证实】Qwen 官方、Jackrong 与 heretic 的公开配置均指向 Qwen3_5ForConditionalGeneration：语言部分 hidden size 为 4096、32 层、词表大小为 248,320。DeepSeek-V4-Pro 的配置则是 DeepseekV4ForCausalLM，对应 7168、61 层和 129,280。

配置项	Qwen / 蒸馏版 / heretic	DeepSeek-V4-Pro
模型架构	Qwen3_5ForConditionalGeneration	DeepseekV4ForCausalLM
hidden size	4096	7168
语言层数	32	61
词表大小	248,320	129,280

来源：Qwen 配置、蒸馏版配置、heretic 配置、DeepSeek 配置。

蒸馏版与当前 heretic 版的索引各含 775 个张量键，并保留 Qwen 的语言模块、视觉模块与 MTP 命名。结合来源声明与配置，这支持“Qwen 后训练衍生模型”的判断，没有 DeepSeek 权重被合并进来的证据。两者结构也不支持常规逐张量加权合并。索引本身只能证明结构，不能证明每个权重的完整训练历史。 蒸馏版权重索引、heretic 权重索引

Heretic 用 ARA 改了什么

【已证实】heretic 模型卡记录使用 Heretic v2.0.0.dev0，方法为 Arbitrary-Rank Ablation（ARA）。它列出的起始索引是 9，结束索引是 24；结束值不包含在范围内，因此是从 0 编号的语言解码器第 9–23 层，共 15 层，不是第 9–24 层。HF 参数表

ARA 不能简单解释为“找出一个拒答方向，再把它减掉”。Heretic 作者说明，ARA 直接优化选定模块的矩阵修改，在保留一组提示的原有输出与改变另一组提示的输出之间寻求平衡。这里说明的是方法原理，不提供复现去安全限制的参数教程。ARA 原始说明

这一步编辑的仍是已经蒸馏过的 Qwen 权重。DeepSeek 只通过前一阶段作者所称的训练数据间接影响学生；ARA 本身不意味着引入 DeepSeek 权重、架构或分词器。

“3/100 拒答”和高分分别证明了什么

【作者声明】heretic 维护者报告拒答次数从原模型的 100/100 降至 3/100，KL divergence 为 0.0422。这是该测试口径下的结果，不是所有请求只有 3% 拒答的统计保证，也不是第三方安全评测。KL 较小同样不能证明所有能力都被保留。heretic 性能表

原稿提到的 GSM8K 94.50% 和 MMLU-Pro 90.53%，来自 Jackrong 蒸馏版作者自测。前者注明 NVFP4、vLLM、四次平均；后者只是数学、物理、化学三个子集各 500 题的均分，不是完整 MMLU-Pro。不能把这些数值直接写成 heretic 版独立复测成绩，也不能据此宣布“9B 全面超过 70B”或“学生全面超过教师”。上游评测口径

数学与 STEM 是作者报告的数据重点，因此是值得进一步评估的方向；编程、工具调用、图片理解与创作质量，都不能仅由底座能力或模型名字推导。保留视觉结构不等于视觉表现已经验证；较少拒答也不等于回答更准确。

MTP 插曲：结构完整与能力优秀是两回事

【已证实】HF 讨论区记录过 MTP 张量缺失问题：早期索引只有 760 个键，没有 mtp.*，而母模型有 775 个键，其中 15 个属于 MTP。维护者表示已从母模型补回缺失张量；本次核查的当前索引确实包含这 15 个键。HF 讨论 #1、当前索引

这能确认当前文件结构已经补齐，不能代表所有下游量化文件、转换器和运行后端都已完成兼容性验证。原稿中关于工具链故障的提醒因此值得保留，但无需扩展成下载、部署或排障操作教程。

同样，某个量化文件约 5.6GB，并不等于整个运行环境只需这么多内存；模型文件、缓存、视觉组件与运行时开销是不同项目。本文不据此给出未经实测的硬件承诺，也不沿用随时间变化的下载量、趋势排名或“服务器被下崩”等叙事。

读这类模型名称时，先核对四件事

1. 谁提供模型本体？ 看 base_model、架构配置、分词器和权重索引，而不是只看名称中的大品牌。
2. 谁提供训练信号？ 区分公开数据证据与作者对教师来源的声明。
3. 哪一版接受了评测？ 蒸馏版成绩不能直接移给 heretic 版，子集不能写成完整基准。
4. 修改达成了什么？ 拒答减少、能力保留、安全性与工具链兼容性，需要分别验证。

对 deepseek-v4-pro-qwen3.5-9b-uncensored-heretic，准确的定位是：以 Qwen3.5-9B 为本体、按作者声明使用 DeepSeek 教师回答做响应蒸馏，再由社区作者通过 ARA 编辑第 9–23 层的实验性衍生模型。 DeepSeek 的角色限于教师数据和命名来源，没有官方参与，也没有 DeepSeek 与 Qwen 权重合并。是否适合某个任务，仍需对应版本的独立评测来回答。