Modelli LLM e API
Verboo, Venice AI e Drael vs NotHoly per la sicurezza
Verboo, Venice AI e Drael a confronto con NotHoly, novembre 2026: fatturazione, API, licenza, basi dei modelli e dove girano gli strumenti, con fonti.
Che modello usa Drael? drael-v1 è un alias su pesi non dichiarati, con system prompt nascosto, ragionamento forzato e guasti annotati nella sua stessa doc.
Drael non dice quale modello usa. drael-v1 è, parole sue, "a public alias over weights that are ours to change": un alias pubblico sopra pesi che Drael si riserva di cambiare. Gira dietro un system prompt che non vedi mai, ignora il tuo max_tokens e risponde a qualunque nome di modello gli mandi. La sua documentazione registra anche malfunzionamenti del modello che in uno strumento per il lavoro per conto di clienti non accetteremmo.
Dati raccolti il 9 e il 10 novembre 2026 dal quickstart di Drael, dalla documentazione della chat e dalla pagina dei limiti, e dai prezzi di NotHoly. Non abbiamo chiamato l'API di Drael. Ogni affermazione sul comportamento del modello qui sotto è una citazione dalla documentazione di Drael.
Fuori da Drael non lo sa nessuno. Il quickstart dice "The model id is drael-v1, and it is the only one" (l'id del modello è drael-v1, ed è l'unico). La documentazione della chat aggiunge che è "a public alias over weights that are ours to change". Modello base, publisher, numero di parametri, licenza: non viene indicato nulla.
| Domanda | Cosa risponde la documentazione di Drael |
|---|---|
| Quale modello base? | Non dichiarato |
| I pesi possono cambiare? | Sì: "weights that are ours to change" |
| Un cambio viene annunciato? | Nella documentazione niente lo dice |
| E se mando un altro ID di modello? | "an id nobody serves is answered on it rather than refused" (a un id che nessuno serve risponde lui, senza rifiutarlo) |
| C'è un system prompt? | "we prepend a system prompt you never see" (in testa ne viene aggiunto uno che non vedi mai) |
| Quanti modelli c'erano prima? | "There were two", ce n'erano due, e il secondo è "gone" |
La documentazione della chat spiega le scelte di progetto raccontando cosa è andato storto. Letta come elenco, è un registro di bug.
Con il ragionamento attivo e max_tokens a 4000, il modello "returned an empty answer in 22 of 24 runs, and at 8000 in 12 of 24": risposta vuota in 22 esecuzioni su 24, e in 12 su 24 a 8000, ogni volta senza errore e senza contenuto. La correzione di Drael è stata scartare max_tokens in ogni chiamata fatta con una chiave.
Con il ragionamento spento, "the model re-does its last step in a tool loop: a terminal session ran one command thirty times (19 October 2026)". Il modello rifà l'ultimo passo in un loop di tool, e il 19 ottobre 2026 una sessione di terminale ha eseguito lo stesso comando trenta volte. L'impostazione predefinita del ragionamento "was none for one evening and agent clients repeated the same completion on a third of their turns": per una sera è stata none, e i client agentici hanno ripetuto la stessa completion in un terzo dei turni. La correzione di Drael è stata forzare il ragionamento in ogni chiamata API.
La documentazione sui tool aggiunge che "the previous product reached 13.218 tokens of tool schema and paid for it in invented tool names and shallower answers". Il prodotto precedente era arrivato a 13.218 token di schema dei tool e l'aveva pagato con nomi di tool inventati e risposte più superficiali.
Pubblicare cose del genere è insolito, e prendiamo i numeri per buoni. Descrivono un modello che non restituisce nulla con un normale limite di output e che ripete i comandi in loop se non lo si obbliga a ragionare, rattoppato togliendo i controlli con cui uno sviluppatore lo gestirebbe. In un incarico per un cliente, uno strumento che rilancia lo stesso comando trenta volte è un problema che poi devi spiegare al cliente.
| Parametro | Cosa ne fa Drael |
|---|---|
model |
A qualunque ID sconosciuto risponde drael-v1, senza errore |
max_tokens |
"through a key the ceiling is always dropped" (con una chiave il tetto viene sempre scartato) |
reasoning_effort: none |
Riceve il livello low; "There is no off through a key" |
priority |
"discarded", scartato |
system |
Unito a un prompt che non vedi mai |
| La data | Ripetuta nel tuo ultimo messaggio |
Un refuso nel nome del modello non viene mai a galla, perché l'alias risponde comunque. Un tetto di costo per chiamata non esiste. Una parte del prompt è di Drael e non ti viene mostrata. Ciascuna è una piccola perdita di controllo, e messe insieme ti impediscono di dichiarare quale configurazione ha prodotto una data risposta.
Un finding in un report deve essere riproducibile: stesso input, stesso strumento, stessa versione. Con drael-v1 la versione non puoi indicarla, perché non ce n'è una. Se un cliente rifà il test fra tre mesi e il modello si comporta in modo diverso, non hai modo di dire se sono cambiati i pesi, il prompt nascosto o entrambi.
La valutazione ha lo stesso problema. Un tasso di rifiuto o un punteggio di accuratezza misurati questa settimana descrivono un alias che la settimana prossima può puntare altrove. L'HackerOne Hacker-Powered Security Report 2026 conta in un anno un aumento del 557% delle segnalazioni valide di leak del system prompt, il che ricorda che i prompt nascosti sono tanto diffusi quanto fragili.
Ogni modello NotHoly dichiara la sua base e la sua finestra di contesto nella pagina dei modelli, e la maggior parte è abliterated. La base è un modello rilasciato dal suo publisher, quindi puoi scriverla, con la data, in un report.
Abliterated significa che dai pesi è stata tolta la direzione del rifiuto e il resto è stato lasciato com'era; la tecnica è spiegata nella nostra guida e in modelli abliterated vs uncensored. Arditi et al. hanno trovato il rifiuto mediato da una sola direzione in 13 modelli aperti, e il README di Heretic riporta il compromesso tra rifiuti e divergenza dall'originale. Questi pesi non li abbiamo addestrati noi e non sono nostri. Possono ancora sbagliare, e possono ancora rifiutare.
drael-v1 va bene per chi vuole solo una risposta e non deve mai riprodurla: il modello, il prompt nascosto e i limiti sono di Drael, che può cambiarli. NotHoly va bene per il lavoro che deve essere ripetibile e citabile: ogni modello dichiara la sua base e il suo contesto nella pagina dei modelli, max_tokens e ragionamento li imposti tu, e in un report puoi scrivere il modello base e la data. I pesi non sono nostri; non li abbiamo addestrati, e possono ancora sbagliare o rifiutare.
L'unico ID di modello sull'API di Drael. È un alias, e Drael si riserva il diritto di cambiare i pesi che ci stanno dietro.
Drael non lo rende noto.
Con una chiave API no. La documentazione dice che lì il tetto "is always dropped", viene sempre scartato.
No. none e off ricevono il livello low.
Perché a qualunque ID che "nobody serves" (che nessuno serve) risponde drael-v1, senza errore.
Il nome del modello e la sua base pubblicata nella pagina dei modelli, con la data.
drael-v1 è un nome dietro cui non c'è niente che tu possa verificare. I pesi sono segreti e sostituibili, il prompt è in parte nascosto, il limite di output viene ignorato, e la documentazione descrive loop e risposte vuote come comportamento noto. Un report costruito lì sopra non lo firmeremmo. NotHoly dichiara ogni base e si parte con una ricarica da US$ 5 dai prezzi di NotHoly; il resto è nel confronto completo e nel post sul costo dell'API.
Modelli LLM e API
Verboo, Venice AI e Drael a confronto con NotHoly, novembre 2026: fatturazione, API, licenza, basi dei modelli e dove girano gli strumenti, con fonti.
Modelli LLM e API
I piani illimitati di solito limitano la velocità, non i token. Verboo, Venice.ai, Drael e il credito prepagato a token, confrontati su termini e fatture.
Modelli LLM e API
Come spostare un flusso compatibile con OpenAI da Verboo, Venice AI o Drael a NotHoly: base URL, chiave, ID dei modelli, fatturazione, licenza e strumenti.