최근 오픈소스 언어 모델 생태계에서 과도한 안전 정렬(Safety Alignment)로 인한 출력 거부 및 성능 저하(Alignment Tax)를 해소하기 위한 시도가 활발히 이어지고 있습니다.
Orca 팀은 Qwen 3.8-27B 모델에서 안전 가드레일을 완전히 걷어낸 Qwen 3.8-27B 무검열(Uncensored) 버전을 공개했습니다. 취약점 연구, 익스플로잇 분석, 침투 테스트 등 보안 연구 목적의 요청에 대해 거의 0%에 가까운 거부율을 기록하며, Apple Silicon Mac에서 즉시 구동 가능한 MLX 포맷으로 제공됩니다.
Sources
- 율무커피 분석 리포트
- [Qwen 3.8 공식 오픈소스 레포지토리]
1. 벤치마크별 거부율(Rejection Rate) 변화 지표
안전성 평가 벤치마크에서 원본 모델 대비 거부율이 극적으로 하락했습니다:
Thinking OFF 모드 기준
- AdvBench: 99.0% ➔ 0.0%
- JailbreakBench: 94.0% ➔ 0.0%
- MaliciousInstruct: 99.0% ➔ 0.0%
- StrongREJECT: 97.3% ➔ 2.0%
- HarmBench: 98.7% ➔ 2.7%
- SimpleSafetyTests: 64.0% ➔ 6.0%
- ForbiddenQuestions: 73.3% ➔ 4.7%
Thinking ON 모드에서는 심층 추론 과정에서 가드레일 우회가 더욱 완벽해져 거부율이 0 ~ 1.7% 수준으로 떨어집니다.
2. 주요 특징 및 생성 역량
- 보안 연구 및 민감 요청에 대한 다이렉트 응답:
- 악성코드 역공학, 익스플로잇 취약점 분석, 모의 해킹 시나리오 등 원본 모델이 ‘안전상의 이유’로 회피하던 요청에 직접적인 가이드라인과 코드를 생성합니다.
- 다만 약 30~50%의 케이스에서는 사전 학습 코퍼스에 잔존하는 면책/경고 문구를 함께 출력하면서도 실제 콘텐츠는 정상 생성합니다.
- Alignment Tax 해소로 인한 기본 성능 소폭 향상:
- 모델의 출력을 인위적으로 억제하는 가드레일이 제거되면서 코딩 및 논리 추론 벤치마크 점수가 소폭 상승했습니다.
- Apple Silicon MLX 프레임워크 지원:
- Mac 사용자는 별도의 무거운 컨테이너나 리눅스 서버 없이도 로컬 환경에서 양자화된 27B 모델을 고속으로 직접 가동할 수 있습니다.