Como escolher um LLM sem censura: Abliterados versus Ajustados Fino

Escolha um modelo sem censura: custo, adequação e chamadas de ferramentas.

Conteúdo da página

“Sem censura” cobre três métodos de 2026 para modelos abertos que não recusam: abliteration, fine-tunings sem recusa e política navegável. Cada um altera capacidades diferentes; este guia compara custos e apresenta uma lista de candidatos com base em VRAM.

Um modelo que nunca recusa carece do único reflexo que suprimiria saídas incorretas sem intervenção adicional. Você deve posicionar a filtragem e o julgamento em outro lugar da pilha. Consulte Filtrando um LLM sem censura para orientações sobre a posição da camada de segurança quando o modelo deixa de fornecer uma. A decisão aqui é mais restrita: qual modelo não recursoriano você deve implantar para um determinado GPU e carga de trabalho.

Escolhendo entre três rotas abertas para um modelo não recursoriano

Cada figura abaixo provém de um relatório publicado da comunidade ou cartão de modelo até 11/11/2026, citado no ponto de uso. Nenhuma foi medida no nosso próprio hardware. Esta página fica sob o cluster Modelos de IA: escolha de modelo e custo da rota, não hospedagem ou design de sistema.

Por que os modelos são tornados não recursorianos

Os modelos de chat mainstream são alinhados para recusar categorias específicas de solicitações através de comportamento treinado. Esta recusa não reflete um limite de capacidade; um modelo que recusa explicar um e-mail de phishing tipicamente possui a habilidade para fazê-lo. O estudo da MDPI 2025 “IA sem censura na vida real” (https://www.mdpi.com/1999-5903/17/10/477) documentou mais de 8.000 repositórios assim, principalmente no Hugging Face, e concluiu que a demanda é ampla e não marginal.

Três propósitos impulsionam o desenvolvimento. A análise de segurança e o código que menciona vulnerabilidades reais disparam recusas desenhadas para outros modelos de ameaça. As regras de recusa embutidas nos pesos impedem os operadores de relaxar as restrições sem edições de pesos ou retreinamento. Pesquisadores estudam o alinhamento editando recusas, e ferramentas como Heretic automatizam essa técnica.

As aplicações práticas incluem os casos de testes de segurança, codificação, depuração, escrita de ficção, educação médica, roleplay e pesquisa de alinhamento listados abaixo — a mesma lista para a qual os guias de segurança e abliteration continuam retornando (Locally Uncensored). Uma tarefa legítima pareada com uma recusa calibrada para um caso de uso diferente é a justificativa comum para remover essa recusa.

Caso de uso O que o filtro bloqueia
Testes de segurança / red-teaming Rascunhar PoCs de exploit, malware para análise, iscas de phishing para treinamento de funcionários
Codificação sensível à segurança Código que nomeia uma CVE ou ferramenta real, que modelos alinhados recusam como se fosse um ataque
Depuração de falsas recusas O modelo alinhado recusando um prompt legítimo com frequência suficiente para quebrar um loop de agente
Ficção e escrita criativa adulta Temas maduros que assistentes mainstream recusam mesmo para ficção de adultos consentientes
Educação médica e sexual Conteúdo clínico ou educacional que aciona filtros de segurança
Roleplay e builds de companheiro Trabalho de persona que a política do fornecedor trata como fora de escopo
Pesquisa de alinhamento/segurança Medir o que as recusas capturam e não capturam, removendo-as sob condições controladas

Três métodos de remoção de recusa

A Abliteration edita pesos sem retreinamento. Arditi et al. descobriram que a recusa em modelos de chat é carregada por uma única direção no stream residual (https://arxiv.org/abs/2406.11717). Os pesos são ortogonalizados em relação a esta direção, identificada comparando ativações em prompts nocivos e inofensivos. O passo a passo de abliteration de Maxime Labonne serve como referência para a maioria dos builds públicos. O build Qwen3.8-27B da huihui-ai (https://huggingface.co/huihui-ai/Huihui-Qwen3.8-27B-abliterated) ablate as camadas 18 a 51 sob a licença Apache 2.0, deixando os componentes MTP e visuais intactos.

O fine-tuning sem recusa retreina o comportamento por durações mais longas. O Dolphin 3.0, desenvolvido pela Cognitive Computations para Eric Hartford, usa dados de treinamento dos quais sinais de alinhamento são removidos. O cartão da Ollama afirma: “Filtramos o conjunto de dados para remover alinhamento e viés”. O Dolphin 3.0 R1 Mistral 24B foi treinado em 800k de rastros de raciocínio DeepSeek-R1 ao lado do corpus sem censura. O cartão descreve o modelo como altamente compliant com todas as solicitações, incluindo as antiéticas, e aconselha implementar uma camada de alinhamento independente antes da implantação.

Modelos de política navegável como o Hermes 4 da NousResearch são alinhados neutralmente e governados pela política do prompt de sistema. A recusa é controlada por gate, e o relatório técnico da Nous mostra que o prompt de sistema remodela o raciocínio, não apenas o tom superficial. A política consome tokens de contexto e enfraquece à medida que as conversas crescem. O guia 2026 da Locally Uncensored relata que a política navegável falha em contexto longo, comparada às 1–3 horas para abliteration e aos dias para fine-tuning.

Custos medidos da remoção de recusa

O dano colateral varia amplamente entre os métodos de abliteration. O Heretic (https://github.com/p-e-w/heretic) relata sobre o Gemma-3-12B-IT que três versões desensorizadas reduziram cada uma a recusa de prompts nocivos para 3 em 100, caindo de 97 em 100 no modelo padrão. A divergência KL de entradas neutras em relação ao original foi 1.04 para abliteration manual (99,9% dos pesos, sem busca de parâmetros), 0.45 para a busca parcial da Labonne e 0.16 para a busca completa do Heretic.

O sucesso de ataque do HarmBench no Qwen-2.5-7B subiu de 31.0% no modelo alinhado para 98.2–100.0% na versão não recursoriana (Cartão HF DreamFast). O MMLU do Qwen3.8-27B caiu 2.12 pontos percentuais de 84.46% para 82.33% no build OBLITERATUS citado via Featherless. O GSM8K para Qwen-2.5-7B melhorou 1.5 a 1.6 pontos percentuais de 79.23% para 80.74–80.82% (cartão DreamFast). A detecção de vulnerabilidades Vul4J caiu de 58.42% para 57.22%, enquanto os patches que compilaram subiram de 9.04% para 32.77% em um estudo de julho de 2026 (arXiv:2607.05842).

Recusa e capacidade são números diferentes, e as tabelas os tratam dessa forma. O resultado da recusa — o que o modelo fará agora:

Resultado da recusa Alinhado Não recursoriano Fonte
Sucesso de ataque HarmBench, Qwen-2.5-7B 31.0% 98.2–100.0% DreamFast, cartão de modelo HF

O delta de capacidade — o custo da edição em conhecimento e raciocínio:

Delta de capacidade Alinhado Não recursoriano Fonte
MMLU, Qwen3.8-27B 84.46% 82.33% (−2.12pp) Cartão OBLITERATUS, via Featherless
GSM8K, Qwen-2.5-7B 79.23% 80.74–80.82% (+1.5 a +1.6pp) DreamFast, cartão de modelo HF
Detecção de vulnerabilidades Vul4J 58.42% 57.22% Estudo de julho de 2026 da mesma linhagem (arXiv:2607.05842), via Featherless
Patches compiláveis Vul4J 9.04% 32.77% mesmo estudo

O relatório de 2026 da Anthropic (https://www.anthropic.com/research/glm-5-3-and-the-spread-of-advanced-cyber-capabilities) produziu um GLM-5.3 abliterado com taxas de recusa reduzidas de mais de 90% para 3% no JailbreakBench, 2% no HarmBench e 12% no StrongREJECT. A edição custou aproximadamente 2.200 GPU-horas (~US$ 4.400); a variante Flash custou cerca de 600. As pontuações do GPQA-Diamond permaneceram inalteradas, e o CyberGym declinou alguns pontos percentuais.

O OrcaRouter documenta dois builds DeepSeek V4.1 Flash com resultados de recusa diferentes: um reteve 24 recusas em 100, enquanto o outro reteve 4 em prompts de chat com uma KL de primeiro token de 0.067 em entradas inofensivas. Nenhum editor publicou um benchmark de capacidade para um build abliterado. As figuras de capacidade listadas em cartões públicos foram medidas no checkpoint base. Revise cada cartão para ver o que foi removido e avalie a capacidade apenas onde os benchmarks nomeiam valores antes e depois.

A Abliteration preserva os benchmarks de conhecimento e às vezes melhora o raciocínio matemático. Ela muda como o modelo usa esse conhecimento. Um modelo detectando vulnerabilidades tão bem quanto seu contraparte alinhado é várias vezes mais provável de produzir um patch funcional. Se a tarefa é produção de artefatos, a edição é útil. Se a tarefa requer contenção, o operador deve fornecê-la.

O Heretic (Philipp Emanuel Weidmann, lançado pela primeira vez no final de 2025) automatiza a ablação direcional com busca de parâmetros Optuna que co-minimiza recusas e divergência KL. A abliteration do Qwen-2.5-7B tocou 37 de 339 tensores nas camadas 9–27. O Apostate tocou 55 tensores em 27 camadas, e a huihui-ai tocou 57 tensores em todas as 28 camadas (forense DreamFast). O comando heretic <model-id> requer o pacote heretic-llm (pip install -U heretic-llm). Um modelo 4B (Qwen3-4B-Instruct) abliterou em 20–30 minutos em uma RTX 3090. Relatórios da comunidade posicionam modelos 7B–9B em 20–90 minutos e modelos 12B–27B em uma hora ou mais em hardware 4090, 5090 ou A100. A configuração suporta quantização bnb_4bit para cartões de baixa VRAM. Modelos Gemma requerem winsorization_quantile definido para 0.95. Builds MoE e da classe 24B requerem quantização de 4 bits para caber em um cartão de 24 GB. Checkpoints com gate requerem autenticação do Hugging Face. Uma execução completa leva aproximadamente meio dia.

A edição usa pesos de precisão completa, mas as implantações tipicamente usam quantização GGUF. A quantização arredonda cada peso, incluindo tensores editados. Builds GGUF publicados envolvem dois estágios de cadeia de suprimentos: edição e quantização, e nenhum estágio é necessariamente executado por você. O arredondamento pode reativar porções da direção removida; a dispersão de recusa de 3/100 versus 24/100 na mesma base indica a magnitude deste efeito.

Chamadas de ferramentas e risco de cadeia de suprimentos

A confiabilidade de chamadas de função não se correlaciona com a taxa de recusa. A Abliteration otimiza para recusa e divergência KL, não para fidelidade de esquema, portanto um build abliterado herda o comportamento de chamada de ferramentas do modelo base. Templates de hospedagem podem quebrá-lo ainda mais. O template Dolphin 3 da Ollama foi lançado sem suporte a ferramentas (Ollama #8329). Um checkpoint abliterado que descarta um esquema de ferramentas no meio de uma conversa não é adequado para uso de agentes.

O ProjectDiscovery demonstrou um Qwen2.5-7B com porta dos fundos que servia uma carga de shell via chamada de ferramenta ao receber uma frase-gatilho oculta. A porta dos fundos foi construída por menos de US$ 50 e passou em testes de comportamento limpo. Pesos editados podem carregar portas dos fundos, e builds abliterados são precisamente aqueles que são baixados do Hugging Face sem inspeção. Verifique a procedência e restrinja o acesso à caixa de hospedagem antes de executar agentes em modelos não inspecionados.

Quantização sub-Q4 corrompe a saída estruturada, conforme documentado no quickstart Strata Qwen3.8-Flash-Next. Orçamente VRAM para Q4_K_M ou superior, e teste o esquema antes da implantação. Veja Escolhendo o melhor LLM para Ollama em 16 GB de VRAM para medições de VRAM.

Modos de falha por método

Modelos abliterados retêm recusa residual. Prompts de contexto longo podem produzir moralização suave mesmo quando recusas duras não recorrentes. Modelos de raciocínio re-derivam recusas a partir dos primeiros princípios após a remoção da direção. Um modelo passando uma sonda de 20 prompts pode hedgar em um contexto de agente longo em prompts não sonados; planeje para isso ao depurar falsas recusas.

Modelos fine-tunados exibem super-conformidade. A filtragem de dados que remove a recusa também remove a restrição sobre outras saídas. A descrição do cartão Dolphin como altamente compliant com todas as solicitações, incluindo as antiéticas, confirma isso. Sondagens pré-implantação não revelam esta falha; solicitações de produção revelam.

Modelos navegáveis experimentam decaimento de política em contexto longo. A política vive no contexto, e sua influência diminui à medida que as conversas crescem. Limites definidos no início de uma sessão podem deixar de vinculantes após interação estendida.

Todos os três modos de falha são fenômenos de contexto longo. Cargas de trabalho de agentes executam em contexto estendido, portanto a validação deve ocorrer no comprimento de contexto operacional real e não em demonstrações de dois tokens.

Limites e direção futura da remoção de recusa

A Abliteration assume que o conhecimento existe nos pesos e apenas a disposição de usá-lo é suprimida. O guia Applied LLMs da Universidade de Illinois afirma que a abliteration não adiciona conhecimento ausente do modelo base. Um modelo é tão útil em um tópico quanto os pesos originais eram.

Pesquisadores estão movendo decisões de segurança para o pré-treinamento. O Deep Ignorance da EleutherAI (arXiv:2508.06601, ICLR 2026) filtra documentos perigosos do pré-treinamento. O salvaguarda resistiu a ataques de fine-tuning baseados em dados testados, e benchmarks de conhecimento geral mostraram mudança mínima. Observe o escopo: seus experimentos usam um proxy bio/CDNR, não censura geral. Um modelo que nunca recebe dados de treinamento recusa por ignorância; nenhuma edição de pesos recupera conhecimento ausente.

O fine-tuning Extended-Refusal (arXiv:2505.19056, maio de 2025) treina recusas justificadas mais longas através de múltiplas posições de tokens. Isso reduziu a queda de recusa pós-abliteration para aproximadamente 10% comparada ao típico de 70–80%. Modelos de raciocínio re-derivam recusas a partir dos primeiros princípios independentemente da remoção da direção. Esses desenvolvimentos não requerem filtragem de dados, mas reduzem a confiabilidade da abliteration em seus próprios termos.

O suprimento sem censura continua a crescer. O relatório 2026 da ThreatDown documentou cinco provedores hospedados de DeepSeek abliterado, 6.644 modelos sinalizados e mais de 22 milhões de downloads em uma janela de 30 dias. O Heretic está na versão dois. O Deep Ignorance é uma prova de conceito controlada. Provedores não divulgam métodos de filtragem de produção, e filtragem agressiva custa capacidade. Usuários abertos ainda podem executar checkpoints base não filtrados ou mesclar adaptadores sem segurança.

A seleção de modelos agora requer exame da procedência dos dados. Se a base foi filtrada de conhecimento, a abliteration não pode restaurar conhecimento de tópico ausente. Revise a declaração de dados do cartão de modelo da mesma forma que você revisa sua ressalva de capacidade.

Lista de candidatos por VRAM e caso de uso

O campo de 2026 se concentra em uma pequena série de linhas de modelos:

Modelo Rota VRAM (Q4) Escolha-o para
Qwen3.8-27B (builds abliterados) Abliteration 16–24 GB Melhor geral: codificação, agentes, multimodal
Dolphin 3.0 Mistral 24B Fine-tune sem recusa 16–24 GB Chamadas de função, chat geral, variante de raciocínio R1
Hermes 4 (14B/36B/70B) Política navegável 12 GB+ Comportamento que você define por prompt de sistema
Gemma 4 26B-A4B sem censura Abliteration (MoE, ~4B ativo) 12–16 GB Velocidade em hardware modesto
Mistral Small 3.2 abliterado Abliteration 12–16 GB Ficção e prosa
Huihui GLM-5.1 abliterado Abliteration 24 GB+ Teto mais alto se o cartão permitir

O Qwen3.8-27B abliterado é a escolha padrão de 2026. Ele compartilha a licença Apache 2.0, suporta componentes MTP e visão, e cabe em cartões comuns em quantização padrão. Veja a página da família Qwen 4 para benchmarks base. O Hermes 4 é apropriado quando você requer um modelo que pode recusar de acordo com uma política escrita. O build MoE Gemma 4 troca alguma capacidade por vantagens de throughput em hardware abaixo de 16 GB.

Os requisitos de VRAM compreendem pesos, cache KV e aproximadamente 1–2 GB de sobrecarga de execução. Em Q4_K_M, os pesos custam aproximadamente 0.6 bytes por parâmetro. GGUFs 4-bit abliterados do Qwen3.8-27B requerem 16.5–16.8 GB antes do contexto. Um cartão de 16 GB cabe apenas uma quantização de baixo bit com contexto mínimo; um cartão de 24 GB oferece folga. O custo do cache KV é aproximadamente 56 KB por token para um modelo GQA de 28 camadas, 4-cabeças-KV como o Qwen2.5-7B, totalizando 1.8 GB em contexto 32K e 7.5 GB em contexto 128K. Orçamente para o contexto operacional real.

A base Qwen3.8-27B é licenciada sob Apache 2.0, mas builds abliterados da OBLITERATUS, huihui-ai e philbert440 são edições comunitárias. A huihui-ai sinaliza seu build como prova de conceito e desaconselha uso em produção ou voltado para o público. Verifique o editor e o arquivo de licença para cada repositório. Builds Qwen3.8-Flash-Next usam a Licença Comunitária Qwen 1.0 com seus próprios termos.

Framework de decisão

Escolha pela restrição que morde primeiro:

  • Para chamadas de ferramentas confiáveis: use um fine-tune sem recusa ou modelo navegável (Dolphin 3, Hermes 4) em Q4 ou superior; trate builds abliterados como experimentais até que o esquema seja testado.
  • Para abertura máxima em uma única caixa com codificação e visão: use Qwen3.8-27B abliterado, hospedado em uma quantização que preserve a estrutura.
  • Para definir os limites você mesmo: use Hermes 4 com uma política de prompt de sistema explícita.
  • Para orçamentos de VRAM apertados executando chat ou prosa: use Mistral Small 3.2 abliterado ou o build MoE Gemma 4.

Execute três verificações de validação no comprimento de contexto operacional real:

  1. Sonda de recusa. Execute 20–50 prompts das suas cargas de trabalho reais, incluindo casos de borda que dispararam recusas em modelos alinhados. Conte recusas e respostas não respondidas com hedge separadamente. A Featherless executa este método com 50–100 solicitações reais de abuso.

  2. Esquema de ferramenta no comprimento. Execute um loop de chamadas de ferramenta multi-turno no seu esquema real no comprimento de contexto operacional. Isso detecta corrupção de saída estruturada abaixo de Q4, conforme documentado no quickstart Strata, e derivação de esquema comum em builds abliterados.

  3. Diff neutro. Execute prompts neutros com a mesma semente e decodificação gulosa tanto no candidato quanto no modelo base; compare saídas lado a lado. Isso serve como um proxy para a divergência KL quando o cartão do modelo não a publica.

Tempo de execução, comportamento de contexto e formato de quantização são decisões de hospedagem. Consulte a comparação de runtime de LLM local.


Fontes, em ordem de aparência:

No site:

Subscrever

Receba novos artigos sobre sistemas, infraestrutura e engenharia de IA.