一、背景与结论

经过最近的高强度折腾，手上这台R9700跑的Paiton 的 官方27B（W3A4）速度飞起也很稳，还能八路并发，但它有个毛病：你不让它说的它不说。但是这个框架又只认官方特殊的定制3-bit——想两条都要，只能自己做一套 3-bit的权重了，在这里分享给卡友，可以直接拿去用。

结论先放这：

• 格式逆向成功，打包器做到字节级往返（解包→重量化→重打包，6/6 张量完全一致）；
• 先做 abliteration 再量化，顺序反了会白干（下面解释）；
• 同样的 2,800 道 MMLU-Pro 随机题：官方 57.82%，自建 RTN 56.68%，自建 GPTQ 57.86%；
• BetterBench 单流加权 155.0 vs 官方 174.3（89%），8 并发 436.8 vs 458.9（95%）——差的不是权重，是我这台虚拟机。

二、为什么不能直接改 3-bit 权重

abliteration 是 rank-1 编辑：从 o_proj/down_proj 里把拒绝方向减掉。听着很简单，但 3-bit 是分组量化，步长 0.0067，权重 σ 只有 0.0106——一个步长就是 0.62 个 σ。

实测 λ=1 的编辑，每个元素只挪 0.03–0.05 个步长，重新四舍五入之后一个码都不变。也就是说：量化后的模型和原模型是同一个模型，你改了个寂寞。

所以顺序只能是：bf16 阶段去审查 → 再量化。这也是为什么社区的去审查模型都发 Q4/Q5，没人发 Q3。

三、格式：paiton-w3rot-v1

官方没文档，从分片头反推：

• 旋转站点右乘 block-diagonal Hadamard-128（W·H128），激活侧要同步旋转，不然 Hessian 算错；
• 3-bit 对称、group=128、q∈[-4,3] 存成 u=q+4，scale 是有符号 bf16（一半是负数）；
• dense LSB-first 位流打进 int32；
• in_proj_a/b 是 bf16 的 weight_rot_h128；manifest 里 side.source_sha256_by_layer 校验的是源 bf16 的字节，不是分片哈希——这个坑我踩过一次，加载器直接拒载。

四、32G 显存下的 GPTQ

27B bf16 是 54 GB，一张 32G 卡装不下，更别说还要留显存给 Hessian。做法：

• 用 bitsandbytes NF4 4-bit 加载 abliterated 权重跑校准（4-bit 的激活误差对 Hessian 估计可以忽略）；
• attention 必须用 eager：这套 ROCm 上 sdpa 跑 16×2048 会直接 invalid argument，不是 OOM，报错很误导；
• 8×2048 × 4 批 = 65,536 token（WikiText-103 + 中文维基）；
• Hessian 按 128 列分组存块对角（136 个 128×128），量化时组内做 GPTQ 列级误差补偿，组 scale 还是原来的 14 候选搜索。

五、折腾经过

• 第一版想用全 Hessian，8 个 down_proj 的 H 就要 10 GB，加上模型直接 OOM；
• 16 序列一批也 OOM（30.5 GB 已分配），降到 8 序列才稳；
• 把 Hessian 放 CPU 上算——device 不匹配，白跑一次 3 分钟加载；
• sdpa 的 invalid argument 查了半天，最后发现换 eager 就好；
• 块对角 H 是妥协：全 H 能再抠一点，但显存不够，先这样。

六、结果

同题同口径（2,800 题，14 类 × 200，seed 42，0-shot，温度 0）：

其余：GSM8K 93.10%（1,319 题）、HumanEval 90.24%（164 题）、Needle@61,440 160/160。

速度（BetterBench 20 passes，单流中位数）：

单流加权 155.0 vs 174.3，8 并发 436.8 vs 458.9。差距是宿主：这台是 KVM 虚拟机 + 2019 年的 Xeon Gold 6252，每步 host 侧的调度/采样开销比裸金属高；同机换官方权重测出来速度一模一样，所以不是权重或格式的问题。

七、一个被证伪的结论

官方 README 写 MMLU-Pro 59.71，我第一版 RTN 只有 54.6，看着差了 5 分，一度以为是自己量化太糙。后来把官方权重复现到同一套题干上——官方自己也只有 57.82。

那 5 分里，真正属于量化的只有 1.18 分，剩下全是口径（BetterBench full vs 0-shot 同题）。教训：跨口径比分数，比不出东西。

八、复现

python3 scripts/build_gptq2.py --src /path/to/abliterated-bf16 --out ./out \
        --calib calib.txt --batches 4 --nseq 8
python3 scripts/gen_manifest.py ./out /path/to/official/w3rot-manifest.json /path/to/abliterated-bf16

模型在盘上的话，构建大约 10 分钟。

• Fork 仓库（脚本 + 结果）：https://github.com/halonc/paiton-vllm-plugin-27b-w3a4-abliterated
• 权重：https://huggingface.co/halonc/Qwen3.8-27B-W3Rot-INT3-Paiton-RDNA4-abliterated
• 图文版：https://blog-eudc.infocused.cc/qwen38-27b-w3a4-abliterated/

说明

块对角 Hessian 不是全 Hessian；没做 scale 蒸馏；abliteration 拆的是拒绝回路，不是政治立场；只在一张卡上验证过。权重 Apache-2.0，派生自 huihui 的 abliterated 检查和 unsloth 的 NVFP4 基座，仅供研究与自用。

个人的 repo，欢迎指教。