Come scegliere un LLM senza censura: abliterated o fine-tuned
Scegli un modello senza censura: costi, compatibilità, chiamate agli strumenti.
“Uncensored” copre tre metodi 2026 per modelli aperti che non rifiutano: abliteration, fine-tuning senza rifiuto e politica steerabile. Ognuno modifica capacità diverse; questa guida confronta i costi e seleziona i modelli in base alla VRAM.
Un modello che non rifiuta mai manca del singolo riflesso che sopprime gli output errati senza ulteriore intervento. È necessario posizionare il filtraggio e il giudizio altrove nella pila. Fare riferimento a Filtraggio di un LLM Uncensored per indicazioni su come posizionare lo strato di sicurezza una volta che il modello smette di fornirlo. La decisione qui è più ristretta: quale modello non rifiutante deployare per una data GPU e carico di lavoro.

Ogni figura sottostante proviene da un rapporto della community pubblicato o da una scheda modello al 11/11/2026, citata nel punto d’uso. Nessuna è misurata sul nostro hardware. Questa pagina si trova sotto il cluster Modelli AI: scelta del modello e costo della route, non hosting o progettazione di sistema.
Perché i modelli vengono resi non rifiutanti
I modelli chat mainstream sono allineati per rifiutare specifiche categorie di richieste attraverso comportamenti addestrati. Questo rifiuto non riflette un limite di capacità; un modello che rifiuta di spiegare un’email di phishing possiede tipicamente la capacità di farlo. Il sondaggio MDPI 2025 “Uncensored AI in the Wild” (https://www.mdpi.com/1999-5903/17/10/477) ha documentato oltre 8.000 repository di questo tipo, principalmente su Hugging Face, e ha concluso che la domanda è ampia piuttosto che marginale.
Tre scopi guidano lo sviluppo. L’analisi della sicurezza e il codice che menziona vulnerabilità reali innescano rifiuti progettati per altri modelli di minaccia. Le regole di rifiuto incorporate nei pesi impediscono agli operatori di rilassare i vincoli senza modifiche ai pesi o riattribuzione. I ricercatori studiano l’allineamento modificando i rifiuti, e strumenti come Heretic automatizzano questa tecnica.
Le applicazioni pratiche includono la sicurezza, la codifica, il debug, la scrittura di fiction, l’educazione medica, il roleplay e i casi di ricerca sull’allineamento elencati di seguito — la stessa lista a cui le guide su sicurezza e abliteration continuano a fare ritorno (Locally Uncensored). Un compito legittimo associato a un rifiuto calibrato per un caso d’uso diverso è la giustificazione comune per rimuovere quel rifiuto.
| Caso d’uso | Cosa blocca il filtro |
|---|---|
| Test di sicurezza / red-teaming | Stesura di exploit PoC, malware per analisi, esche di phishing per la formazione del personale |
| Codifica sensibile alla sicurezza | Codice che cita una CVE reale o uno strumento, che i modelli allineati rifiutano come se fosse un attacco |
| Debug dei falsi rifiuti | Il modello allineato che rifiuta un prompt legittimo abbastanza da rompere un loop agentico |
| Fiction e scrittura creativa per adulti | Temi maturi che gli assistenti mainstream rifiutano anche per la fiction tra adulti consenzienti |
| Educazione medica e sessuale | Contenuto clinico o educativo che attiva i filtri di sicurezza |
| Roleplay e build di companion | Lavoro di persona che la politica del fornitore tratta come fuori portata |
| Ricerca su allineamento/sicurezza | Misurare cosa i rifiuti fanno e non fanno intercettare, rimuovendoli in condizioni controllate |
Tre metodi di rimozione del rifiuto
L’Abliteration modifica i pesi senza riattribuzione. Arditi et al. hanno scoperto che il rifiuto nei modelli chat è veicolato da una singola direzione nel flusso residuo (https://arxiv.org/abs/2406.11717). I pesi vengono ortogonalizzati rispetto a questa direzione, identificata confrontando le attivazioni su prompt dannosi e inoffensivi. La guida all’abliteration di Maxime Labonne funge da riferimento per la maggior parte delle build pubbliche. La build Qwen3.8-27B di huihui-ai (https://huggingface.co/huihui-ai/Huihui-Qwen3.8-27B-abliterated) abblaterizza i livelli 18 a 51 sotto licenza Apache 2.0, lasciando inalteri i componenti MTP e visivi.
Il fine-tuning senza rifiuto riattribuisce il comportamento su durate più lunghe. Dolphin 3.0, sviluppato da Cognitive Computations per Eric Hartford, utilizza dati di addestramento da cui sono stati rimossi i segnali di allineamento. La scheda Ollama afferma: “Abbiamo filtrato il dataset per rimuovere allineamento e bias.” Dolphin 3.0 R1 Mistral 24B è stato addestrato su 800k di tracce di ragionamento DeepSeek-R1 accanto al corpus uncensored. La scheda descrive il modello come altamente compliant con tutte le richieste, incluse quelle non etiche, e consiglia di implementare uno strato di allineamento indipendente prima del deployment.
I modelli con politica steerabile come Hermes 4 di NousResearch sono allineati in modo neutrale e governati dalla politica del system prompt. Il rifiuto è gated, e il report tecnico di Nous mostra che il system prompt rimodella il ragionamento, non solo il tono superficiale. La politica consuma token di contesto e si indebolisce man mano che le conversazioni crescono. La guida 2026 di Locally Uncensored riporta che la politica steerabile si rompe su lungo contesto, a fronte di 1–3 ore per l’abliteration e giorni per il fine-tuning.
Costi misurati della rimozione del rifiuto
I danni collaterali variano ampiamente tra i metodi di abliteration. Heretic (https://github.com/p-e-w/heretic) riporta su Gemma-3-12B-IT che tre versioni decensored hanno ciascuna ridotto il rifiuto dei prompt dannosi a 3 su 100, rispetto a 97 su 100 sul modello standard. La divergenza KL sugli input neutri rispetto all’originale era 1.04 per l’abliteration manuale (99.9% dei pesi, nessuna ricerca di parametri), 0.45 per la ricerca parziale di Labonne e 0.16 per la ricerca completa di Heretic.
Il successo dell’attacco su HarmBench per Qwen-2.5-7B è salito dal 31.0% del modello allineato al 98.2–100.0% per la versione non rifiutante (scheda HF DreamFast). MMLU per Qwen3.8-27B è sceso di 2.12 punti percentuali dall'84.46% all'82.33% nella build OBLITERATUS citata tramite Featherless. GSM8K per Qwen-2.5-7B è migliorato da 1.5 a 1.6 punti percentuali dal 79.23% all'80.74–80.82% (scheda DreamFast). Il rilevamento delle vulnerabilità Vul4J è sceso dal 58.42% al 57.22%, mentre le patch che compilavano sono salite dal 9.04% al 32.77% in uno studio di luglio 2026 (arXiv:2607.05842).
Rifiuto e capacità sono numeri diversi, e le tabelle li trattano come tali. L’esito del rifiuto — cosa farà ora il modello:
| Esito del rifiuto | Allineato | Non rifiutante | Fonte |
|---|---|---|---|
| Successo attacco HarmBench, Qwen-2.5-7B | 31.0% | 98.2–100.0% | DreamFast, scheda modello HF |
La differenza di capacità — quanto ha costato la modifica su conoscenza e ragionamento:
| Differenza di capacità | Allineato | Non rifiutante | Fonte |
|---|---|---|---|
| MMLU, Qwen3.8-27B | 84.46% | 82.33% (−2.12pp) | Scheda OBLITERATUS, tramite Featherless |
| GSM8K, Qwen-2.5-7B | 79.23% | 80.74–80.82% (+1.5 a +1.6pp) | Scheda modello HF DreamFast |
| Rilevamento vulnerabilità Vul4J | 58.42% | 57.22% | Studio stessa famiglia luglio 2026 (arXiv:2607.05842), tramite Featherless |
| Patch Vul4J che compilano | 9.04% | 32.77% | Stesso studio |
Il report 2026 di Anthropic (https://www.anthropic.com/research/glm-5-3-and-the-spread-of-advanced-cyber-capabilities) ha prodotto un GLM-5.3 abliterated con tassi di rifiuto ridotti da oltre il 90% al 3% su JailbreakBench, 2% su HarmBench e 12% su StrongREJECT. Il costo della modifica era di circa 2.200 GPU-ore (~4.400 dollari); la variante Flash ha costato circa 600. I punteggi GPQA-Diamond sono rimasti invariati, e CyberGym è sceso di alcuni punti percentuali.
OrcaRouter documenta due build DeepSeek V4.1 Flash con esiti di rifiuto diversi: una ha mantenuto 24 rifiuti su 100, mentre l’altra ne ha mantenuti 4 su prompt di chat con un KL del primo token di 0.067 su input inoffensivi. Nessun editore ha rilasciato un benchmark di capacità per una build abliterated. Le figure di capacità elencate nelle schede pubbliche sono state misurate sul checkpoint base. Verificare ogni scheda per capire cosa è stato rimosso, e valutare la capacità solo dove i benchmark riportano valori prima e dopo.
L’Abliteration preserva i benchmark di conoscenza e talvolta migliora il ragionamento matematico. Modifica il modo in cui il modello utilizza quella conoscenza. Un modello che rileva le vulnerabilità quanto il suo omologo allineato è molte volte più probabile nel produrre una patch funzionante. Se il compito è la produzione di artefatti, la modifica è utile. Se il compito richiede moderazione, l’operatore deve fornirla.
Heretic (Philipp Emanuel Weidmann, rilasciato per la prima volta a fine 2025) automatizza l’ablazione direzionale con la ricerca di parametri Optuna che co-minimizza i rifiuti e la divergenza KL. L’abliteration di Qwen-2.5-7B ha toccato 37 tensori su 339 nei livelli 9–27. Apostate ha toccato 55 tensori su 27 livelli, e huihui-ai ha toccato 57 tensori su tutti i 28 livelli (forensiche DreamFast). Il comando heretic <model-id> richiede il pacchetto heretic-llm (pip install -U heretic-llm). Un modello da 4B (Qwen3-4B-Instruct) è stato abliterated in 20–30 minuti su una RTX 3090. I rapporti della community collocano i modelli 7B–9B a 20–90 minuti e i modelli 12B–27B a un’ora o più su hardware 4090, 5090 o A100. La configurazione supporta la quantizzazione bnb_4bit per schede a bassa VRAM. I modelli Gemma richiedono winsorization_quantile impostato a 0.95. Le build MoE e di classe 24B richiedono la quantizzazione a 4 bit per adattarsi a una scheda da 24 GB. I checkpoint gated richiedono l’autenticazione Hugging Face. Un’esecuzione completa richiede circa mezza giornata.
La modifica utilizza pesi a piena precisione, ma i deployment utilizzano tipicamente la quantizzazione GGUF. La quantizzazione arrotonda ogni peso, inclusi i tensori modificati. Le build GGUF pubblicate coinvolgono due stadi della catena di approvvigionamento: modifica e quantizzazione, e nessuno dei due stadi è necessariamente eseguito da te. L’arrotondamento può riattivare porzioni della direzione rimossa; la dispersione del rifiuto da 3/100 a 24/100 sulla stessa base indica l’entità di questo effetto.
Chiamata di strumenti e rischio della catena di approvvigionamento
L’affidabilità della function calling non è correlata al tasso di rifiuto. L’Abliteration ottimizza per il rifiuto e la divergenza KL, non per la fedeltà dello schema, quindi una build abliterated eredita il comportamento di tool-calling del modello base. I template di hosting possono romperlo ulteriormente. Il template Ollama di Dolphin 3 è stato rilasciato senza supporto per gli strumenti (Ollama #8329). Un checkpoint abliterated che perde uno schema di strumenti a metà conversazione non è adatto all’uso agentico.
ProjectDiscovery ha dimostrato un Qwen2.5-7B backdoored che serviva un payload shell tramite una chiamata di strumento quando riceveva una frase di trigger nascosta. Il backdoor è stato costruito per meno di 50 dollari e ha superato i test di comportamento pulito. I pesi modificati possono portare backdoor, e le build abliterate sono esattamente quelle che vengono scaricate da Hugging Face senza ispezione. Verificare la provenienza e limitare l’accesso alla macchina di hosting prima di eseguire agenti su modelli non ispezionati.
La quantizzazione sotto-Q4 corrompe l’output strutturato, come documentato nel quickstart Strata Qwen3.8-Flash-Next. Prevedere VRAM per Q4_K_M o superiore, e testare lo schema prima del deployment. Vedere Scelta del miglior LLM per Ollama su 16 GB VRAM per le misurazioni VRAM.
Modalità di fallimento per metodo
I modelli abliterated mantengono un rifiuto residuo. I prompt a lungo contesto possono produrre moralizzazione morbida anche quando i rifiuti duri non si ripresentano. I modelli di ragionamento ri-derivano i rifiuti dai principi fondamentali dopo la rimozione della direzione. Un modello che supera una sonda di 20 prompt può esitare in un contesto agentico lungo su prompt non sondati; pianificare questo durante il debug dei falsi rifiuti.
I modelli fine-tunati mostrano un over-compliance. Il filtraggio dei dati che rimuove il rifiuto rimuove anche il vincolo su altri output. La descrizione della scheda Dolphin come altamente compliant con tutte le richieste, incluse quelle non etiche, conferma questo. Le sonde pre-deployment non fanno emergere questo fallimento; le richieste di produzione sì.
I modelli steerabili subiscono un decadimento della politica in lungo contesto. La politica vive nel contesto, e la sua influenza diminuisce man mano che le conversazioni crescono. I limiti impostati all’inizio di una sessione possono smettere di vincolare dopo un’interazione estesa.
Tutte e tre le modalità di fallimento sono fenomeni di lungo contesto. I carichi di lavoro agentici operano in contesto esteso, quindi la validazione deve avvenire alla lunghezza di contesto operativa effettiva piuttosto che su dimostrazioni a due token.
Limiti e direzioni future della rimozione del rifiuto
L’Abliteration presuppone che la conoscenza esista nei pesi e che solo la volontà di usarla sia soppressa. La guida Applied LLMs dell’Università dell’Illinois afferma che l’abliteration non aggiunge conoscenza assente dal modello base. Un modello è utile su un argomento solo quanto i pesi originali lo erano.
I ricercatori stanno spostando le decisioni sulla sicurezza nel pre-training. Deep Ignorance di EleutherAI (arXiv:2508.06601, ICLR 2026) filtra i documenti pericolosi dal pre-training. Il safeguard ha retto contro gli attacchi di fine-tuning basati su dati testati, e i benchmark di conoscenza generale hanno mostrato cambiamenti minimi. Nota la portata: i loro esperimenti usano un proxy bio/CDNR, non la censura generale. Un modello che non riceve mai dati di addestramento rifiuta per ignoranza; nessuna modifica ai pesi recupera conoscenza assente.
Il fine-tuning Extended-Refusal (arXiv:2505.19056, maggio 2025) addestra rifiuti giustificati più lunghi su più posizioni di token. Questo ha ridotto il calo del rifiuto post-abliteration a circa il 10% rispetto al tipico 70–80%. I modelli di ragionamento ri-derivano i rifiuti dai principi fondamentali indipendentemente dalla rimozione della direzione. Questi sviluppi non richiedono il filtraggio dei dati ma riducono l’affidabilità dell’abliteration nei suoi termini propri.
L’offerta uncensored continua a crescere. Il report 2026 di ThreatDown ha documentato cinque provider ospitati di abliterated-DeepSeek, 6.644 modelli segnalati e oltre 22 milioni di download in una finestra di 30 giorni. Heretic è alla versione due. Deep Ignorance è un proof of concept controllato. I provider non divulgano i metodi di filtraggio di produzione, e il filtraggio aggressivo costa in capacità. Gli utenti aperti possono ancora eseguire checkpoint base non filtrati o unire adattatori non di sicurezza.
La selezione del modello ora richiede l’esame della provenienza dei dati. Se il base è stato filtrato per la conoscenza, l’abliteration non può ripristinare la conoscenza di un argomento assente. Rivedere l’enunciazione dei dati nella scheda modello nello stesso modo in cui si rivede la sua nota sulla capacità.
Elenco breve dei modelli per VRAM e caso d’uso
Il campo 2026 si concentra su una manciata di linee di modelli:
| Modello | Route | VRAM (Q4) | Sceglierlo per |
|---|---|---|---|
| Qwen3.8-27B (build abliterate) | Abliteration | 16–24 GB | Migliore in assoluto: coding, agenti, multimodale |
| Dolphin 3.0 Mistral 24B | Fine-tuning senza rifiuto | 16–24 GB | Function calling, chat generale, variante di ragionamento R1 |
| Hermes 4 (14B/36B/70B) | Politica steerabile | 12 GB+ | Comportamento definito per system prompt |
| Gemma 4 26B-A4B uncensored | Abliteration (MoE, ~4B attivo) | 12–16 GB | Velocità su hardware modesto |
| Mistral Small 3.2 abliterated | Abliteration | 12–16 GB | Fiction e prosa |
| Huihui GLM-5.1 abliterated | Abliteration | 24 GB+ | Soglia massima se la scheda lo consente |
Il Qwen3.8-27B abliterated è la scelta predefinita del 2026. Condivide la licenza Apache 2.0, supporta i componenti MTP e visivi, e si adatta alle schede comuni a quantizzazione standard. Vedere la pagina famiglia Qwen 4 per i benchmark base. Hermes 4 è appropriato quando si richiede un modello che possa rifiutare secondo una politica scritta. La build MoE Gemma 4 scambia un po’ di capacità per vantaggi di throughput su hardware inferiore a 16 GB.
I requisiti VRAM comprendono pesi, cache KV e circa 1–2 GB di overhead di runtime. A Q4_K_M, i pesi costano circa 0.6 byte per parametro. I GGUF 4-bit abliterated di Qwen3.8-27B richiedono 16.5–16.8 GB prima del contesto. Una scheda da 16 GB contiene solo una quantizzazione a bit bassi con contesto minimo; una scheda da 24 GB fornisce margine. Il costo della cache KV è di circa 56 KB per token per un modello GQA a 28 livelli, 4 teste KV come Qwen2.5-7B, per un totale di 1.8 GB a 32K contesto e 7.5 GB a 128K contesto. Prevedere il contesto operativo effettivo.
Il base Qwen3.8-27B è licenziato sotto Apache 2.0, ma le build abliterate da OBLITERATUS, huihui-ai e philbert440 sono modifiche della community. huihui-ai segna la sua build come proof of concept e sconsiglia l’uso in produzione o pubblico. Controllare l’editore e il file di licenza per ogni repository. Le build Qwen3.8-Flash-Next usano la Qwen Community License 1.0 con i suoi termini.
Framework decisionale
Scegli in base al vincolo che morde per primo:
- Per chiamate di strumenti affidabili: usare un fine-tuning senza rifiuto o un modello steerabile (Dolphin 3, Hermes 4) a Q4 o superiore; trattare le build abliterate come sperimentali finché lo schema non è testato.
- Per massima apertura su un’unica macchina con coding e visione: usare Qwen3.8-27B abliterated, servito a una quantizzazione che preservi la struttura.
- Per impostare i limiti da soli: usare Hermes 4 con una politica di system prompt esplicita.
- Per budget VRAM ristretti che eseguono chat o prosa: usare Mistral Small 3.2 abliterated o la build MoE Gemma 4.
Eseguire tre controlli di validazione alla lunghezza di contesto operativa effettiva:
-
Sonda di rifiuto. Eseguire 20–50 prompt dai carichi di lavoro effettivi, inclusi i casi limite che hanno innescato rifiuti sui modelli allineati. Contare i rifiuti e le risposte non definitive separate. Featherless esegue questo metodo con 50–100 richieste di abuso reali.
-
Schema di strumenti a lunghezza. Eseguire un loop di tool-calling multi-turno sul proprio schema effettivo alla lunghezza di contesto operativa. Questo rileva la corruzione dell’output strutturato sotto Q4, come documentato nel quickstart Strata, e il drift dello schema comune nelle build abliterate.
-
Diff neutro. Eseguire prompt neutri con lo stesso seed e decodifica greedy sia sul candidato sia sul modello base; confrontare gli output fianco a fianco. Questo funge da proxy per la divergenza KL quando la scheda modello non la pubblica.
Runtime, comportamento del contesto e formato di quantizzazione sono decisioni di hosting. Fare riferimento al confronto dei runtime locali per LLM.
Link utili
Fonti, in ordine di apparizione:
- Arditi et al., “Refusal in language models is mediated by a single direction” — il risultato sulla direzione del rifiuto su cui è costruita la tecnica
- Labonne, “Uncensor any LLM with abliteration” — la guida di riferimento a cui la maggior parte delle build pubbliche fa risalire
- huihui-ai/Huihui-Qwen3.8-27B-abliterated — la build di riferimento sulla scelta predefinita, con la nota sui livelli abblaterizzati
- Dolphin su Ollama — la linea di fine-tuning senza rifiuto, inclusa la sua avvertenza sulla compliance
- Nous Research, “Introducing Hermes 4” — la linea a allineamento neutrale
- Hermes 4 Technical Report — le evidenze del controllo della politica
- Heretic — lo tooling, la sua tabella di confronto e i suoi tempi
- DreamFast/Qwen-2.5-7b-abliterlitics — l’esito del rifiuto e le forensiche sui tensori
- Featherless, “Abliterated models for cybersecurity” — le differenze di capacità e la pratica dei team di sicurezza
- arXiv:2607.05842 — lo studio Vul4J della stessa famiglia di luglio 2026
- OrcaRouter, “DeepSeek V4.1 Flash abliterated, explained” — la discrepanza di rifiuto tra le due build
- Anthropic, “GLM-5.3 and the spread of advanced cyber capabilities” — lo studio di abliteration della prima volta
- ProjectDiscovery, “How abliterated models can get you pwned” — la dimostrazione della catena di approvvigionamento backdoored
- Università dell’Illinois, Applied LLMs: “Abliteration” — il soffitto: cosa fa e non fa la modifica
- Extended-Refusal fine-tuning — la controtendenza: rifiuti giustificati più lunghi
- Deep Ignorance (EleutherAI) — spostando il safeguard nel pre-training
- Locally Uncensored, “Abliterated models guide” — il confronto delle route e i dati VRAM
- ThreatDown, “Guardrail-free AI has gone mainstream” — il censimento 2026 dell’offerta uncensored
- MDPI, “Uncensored AI in the Wild” — il sondaggio 2025 di oltre 8.000 repository uncensored
Sito:
- Filtraggio di un LLM Uncensored — la guida complementare: sono tu a impostare le regole, non il fornitore
- Quickstart Strata Qwen3.8-Flash-Next — hosting delle build Qwen di questa lista breve, e il fallimento dell’output strutturato sotto-Q4
- Scelta del miglior LLM per Ollama su 16 GB VRAM — il lato delle misurazioni della colonna VRAM
- Cosa viene dopo gli LLM? Mamba, Diffusion & World Models — l’anticipazione dell’architettura Flash-Next su cui girano queste build Qwen
- Qwen 4: cosa è confermato e cosa significa per l’AI locale — i benchmark della famiglia base dietro la scelta predefinita della lista breve
- Ollama vs vLLM vs LM Studio: runtime locali — la scelta del runtime dopo che il modello è stato scelto
- Modelli AI: Analisi delle capacità, Architettura e Guide alla Famiglia — il pilastro lato modello sotto il quale siede questa lista breve