Abliterated vs uncensored: por qué servimos abliterated

"Uncensored" suele significar un fine-tune: alguien reentrenó el modelo con datos nuevos hasta que dejó de rechazar. A un modelo abliterated se le eliminó de los pesos la dirección de rechazo y todo lo demás quedó como lo entregó quien lo publicó. Para trabajo técnico de seguridad pensamos que la abliteración es la mejor técnica, y sobre ella está construido nuestro catálogo.

Datos recogidos el 9 y el 10 de noviembre de 2026 en la lista de modelos y los precios de la API de Venice, y en los precios de NotHoly. La investigación citada es pública. No publicamos ningún benchmark propio, de modo que la preferencia que exponemos se apoya en cómo funciona cada técnica y en los papers.

#Qué le hace la abliteración a un modelo

Arditi et al. mostraron que el rechazo en los modelos de lenguaje está mediado por una sola dirección en las activaciones internas del modelo. La encontraron en 13 modelos abiertos de hasta 72.000 millones de parámetros. Si se elimina esa dirección, el modelo deja de rechazar. El paper informa de un efecto "minimal" (mínimo) sobre las demás capacidades, con puntuaciones en MMLU, ARC y GSM8K cercanas a la línea base.

La edición es acotada y se puede medir. Heretic, una herramienta abierta que la automatiza, minimiza a la vez los rechazos y la divergencia KL respecto del modelo original. Su README recoge que Gemma-3-12B pasa de 97 rechazos de cada 100 a 3 de cada 100 con una divergencia KL de 0,16, frente a 0,45 y 1,04 en otras dos abliteraciones del mismo modelo. Cuanto más bajo es el número, más se parece el modelo editado al original en todo lo demás.

Nuestra explicación detalla la mecánica.

#Qué le hace un fine-tune a un modelo

Un fine-tune continúa el entrenamiento con un conjunto de datos nuevo. Todos los pesos pueden moverse, y lo que aprende el modelo depende de lo que había en ese conjunto, cosa que quien publica el fine-tune puede revelar o no. El resultado es un modelo nuevo. Las evaluaciones del publicador original ya no lo describen, y hay que volver a medir cómo se comporta con código, razonamiento y contexto largo.

Venice lista uno hecho para role-play, donde el objetivo es justamente cambiar la voz. Para leer un binario descompilado o hacer el triaje de un hallazgo, quieres el modelo que evaluó el publicador, sin los rechazos.

#Cómo se comparan las dos técnicas

	Abliteración	Fine-tune ("uncensored")
Qué cambia	Una dirección en las activaciones	En principio, todos los pesos
Datos de entrenamiento nuevos	Ninguno	Sí, elegidos por quien lo hizo
Distancia respecto del modelo base	Medible, por ejemplo con la divergencia KL	Depende del conjunto de datos y de la ejecución
Benchmarks del publicador	Se mantienen cerca, según Arditi et al.	Hay que repetirlos
Qué puedes citar en un informe	Modelo base más "abliterated"	Un nombre de modelo nuevo

#Lo que la investigación no demuestra

La abliteración tiene un costo, y el paper lo dice: la puntuación en TruthfulQA "consistently drops" (baja de forma consistente) en los modelos abliterated. Verifica las afirmaciones factuales de un modelo abliterated como harías con cualquier otro modelo.

Nadie ha publicado una comparación directa entre las versiones abliterated y fine-tuned de una misma base en tareas de seguridad, y nosotros tampoco la hemos hecho. Nuestra preferencia es un juicio sobre el método: una edición pequeña y medida sobre un modelo cuyas evaluaciones existen inspira más confianza que un reentrenamiento que nadie de fuera puede inspeccionar.

Un modelo abliterated todavía puede rechazar y todavía puede equivocarse. No entrenamos los pesos que servimos y no son nuestros.

#Qué vende Venice bajo la palabra uncensored

El catálogo de Venice muestra lo laxa que es la etiqueta. El modelo que lleva su marca, venice-uncensored-1-2, proviene de Dolphin-Mistral-24B-Venice-Edition: un fine-tune de un modelo de 24B, con 128K de contexto, a US$ 0,20 la entrada y US$ 0,90 la salida por millón de tokens.

ID del modelo en Venice	Qué es, según el campo de origen de la lista	Precio por millón, entrada / salida
venice-uncensored-1-2	Fine-tune (Dolphin Mistral 24B)	US$ 0,20 / 0,90
venice-uncensored-role-play	Modelo de role-play	US$ 0,50 / 2,00
deepseek-v4-1-flash-1017-uncensored	De un origen etiquetado como abliterated	US$ 0,33 / 1,32
abliteration-abliterated-model-large-v2	Revendido de un tercero, base no indicada	US$ 3,00 / 5,00
z-ai-glm-5-3	GLM 5.3 original, no abliterated	US$ 1,75 / 5,50

Así que el modelo "uncensored" por defecto de ese catálogo es abliterated en origen y lleva otra etiqueta, mientras que la marca de la casa es un fine-tune pequeño. De unos 130 modelos de texto, nueve están libres de rechazos por su ID o por su origen, y el resto conserva su alineamiento original. El comprador tiene que abrir cada origen para saber qué se lleva.

El catálogo de NotHoly está construido sobre modelos abliterated, junto con un modelo base sin modificar, y cada base está publicada en la página de modelos. Sirve las mismas bases DeepSeek y GLM que Venice revende, abliterated en lugar de fine-tuned o dejadas con su alineamiento original, medidas por token a la tarifa de los precios. Venice AI vs NotHoly compara los dos catálogos.

#Qué probar con tu propio trabajo

No te fíes de nuestra palabra ni de la etiqueta de nadie. Toma diez prompts de tu trabajo real, de los que un modelo generalista rechaza, y envíalos a cada candidato. Cuenta los rechazos. Después envía diez tareas técnicas corrientes y compara las respuestas con las del modelo base. Una buena abliteración iguala a la base en el segundo grupo y se aparta de ella en el primero.

#Dónde encaja cada uno

Un fine-tune encaja cuando el cambio de comportamiento es el objetivo, como el modelo de role-play de Venice, donde quieres que el modelo actúe distinto de la base. La abliteración encaja con el trabajo técnico en el que quieres el modelo base que evaluó su publicador, sin los rechazos, y una base que puedas nombrar en un informe. NotHoly construye sobre la abliteración por esa razón; los pesos no son nuestros, y un modelo abliterated todavía puede rechazar y todavía puede equivocarse.

#Preguntas frecuentes

#¿Qué es un LLM abliterated?

Un modelo al que se le eliminó de los pesos la dirección de rechazo, con los demás pesos sin cambios.

#¿Abliterated es lo mismo que uncensored?

No. "Uncensored" es una etiqueta, que la mayoría de las veces designa un fine-tune. La abliteración es una edición concreta. Algunos catálogos usan también la palabra uncensored para modelos abliterated.

#Heretic vs abliterated: ¿cuál es la diferencia?

Heretic es una herramienta que hace la abliteración de forma automática mientras minimiza la divergencia respecto del modelo original. Un modelo Heretic es un modelo abliterated.

#¿Siguen valiendo la pena los modelos abliterated?

Para trabajo técnico, a nuestro juicio sí: conservas las capacidades medidas del modelo base y pierdes la mayoría de los rechazos. Vigila la exactitud factual, que según la investigación baja.

#¿Un modelo abliterated nunca rechaza?

No. Los rechazos caen mucho y no llegan a cero.

#Veredicto

"Uncensored" te dice qué no va a hacer un modelo y nada sobre cómo se hizo. La abliteración te dice las dos cosas: el modelo base y una edición medida. Por eso NotHoly sirve modelos abliterated y nombra cada base, y por eso no construimos sobre fine-tunes. El modelo de marca propia de Venice es un fine-tune de 24B, que consideramos la opción más débil para trabajo de seguridad. Comprueba la diferencia con una recarga de US$ 5 en los precios de NotHoly.