27B模型运行时去审查，不改权重

之前做模型去审查通常要改权重或重新量化，比如 Unsloth 的微调方案或社区流传的 GGUF 修改版，但这会引入量化误差甚至破坏模型能力。这个项目的关键突破是把干预放在 129 个残差层上做运行时消融，原始权重 bit 级不变，意味着你可以随时开关或调节审查强度，而不必为每个版本维护一套权重文件。

对 MLX 生态来说这是个重要信号：Apple Silicon 的本地推理场景正在从"能跑就行"进化到"精细控制行为"，这和 llama.cpp 的投机解码、Anemll 的 ANE 优化形成了互补的技术栈。如果你在 macOS 上做面向 C 端用户的本地 AI 产品，且需要平衡安全策略和用户体验，这个方案比重新训练或硬编码过滤规则更灵活。

需要注意的风险是：拒绝方向消融的通用性尚未被充分验证，不同模型架构的干预点选择可能差异很大，目前仅限于 Ternary Bonsai 2 这一个 checkpoint。