¿Qué significa «abliterated» o abliterado?

Abliterado describe un modelo de lenguaje al que se le ha quitado el comportamiento de rechazo mediante la abliteración: el descubrimiento de que el rechazo lo controla una sola dirección en las activaciones del modelo, convertido en una edición de pesos que borra esa dirección. El modelo conserva su conocimiento y su estilo, pero deja de rechazar casi siempre. La palabra es un invento de la comunidad que juega con «ablation», ablación.

¿La abliteración es lo mismo que el fine-tuning?

No. El fine-tuning reentrena el modelo con datos nuevos, lo que exige un dataset, cómputo y experiencia. La abliteración no necesita entrenamiento: mide una dirección a partir de dos conjuntos de prompts y la proyecta fuera de los pesos, a menudo en minutos u horas con una sola GPU. Algunos autores añaden después un fine-tune ligero para reparar la calidad perdida durante la abliteración.

¿Los modelos abliterados son peores que los originales?

Normalmente, un poco. Los experimentos publicados muestran caídas en benchmarks tras la abliteración, recuperadas en parte con un fine-tune de preferencias posterior. Las herramientas más nuevas intentan minimizar el daño manteniendo el comportamiento del modelo con prompts inofensivos cerca del original. El coste real depende del modelo y del método, así que pruébalo frente al modelo base con tus propias tareas.

¿Se puede abliterar ChatGPT u otros modelos cerrados?

No. La abliteración necesita los pesos del modelo y acceso a sus activaciones internas. Los modelos cerrados solo están disponibles a través de una app o una API, así que los usuarios no pueden editarlos. Por eso los modelos abliterados son siempre variantes de modelos open-weight. Si quieres menos rechazos de un asistente alojado, tu opción es elegir un servicio que sea permisivo por diseño.

¿Es legal usar modelos abliterados?

Ejecutar un modelo open-weight abliterado es legal en general, dentro de la licencia del modelo base, que el derivado suele heredar. Lo que produzcas con él está sujeto a las mismas leyes que cualquier otra cosa. Quitar los rechazos de un modelo no convierte en legal un contenido ilegal, y la responsabilidad de lo generado es de quien lo genera y lo usa.

¿Se dice abliterated u obliterated?

Abliterated (abliterado). El término es un invento de la comunidad que juega con «ablation», ablación, la palabra que se usa en interpretabilidad para quitar un componente de un modelo. Como suena a «obliterated», mucha gente busca la grafía equivocada. Verás «abliterated» en los nombres de modelos de Hugging Face, normalmente detrás del nombre del modelo base. Las dos grafías apuntan a lo mismo: un modelo al que se le ha quitado de los pesos su dirección de rechazo.

¿Cómo funciona la abliteración de un LLM?

Encuentra la dirección en las activaciones del modelo que provoca los rechazos y la elimina. Quien la aplica pasa dos conjuntos de prompts por el modelo, uno que rechaza y otro que responde, y resta las activaciones medias para obtener una dirección de rechazo candidata. Se queda con la capa que mejor funciona y ortogonaliza los pesos respecto a esa dirección para que el modelo no pueda expresarla. No hace falta reentrenar, aunque algunos añaden un fine-tune ligero de reparación.

¿Cómo ejecutar un modelo abliterado?

Como cualquier otro modelo open-weight. Busca la variante en Hugging Face y lee su ficha para conocer el modelo base, el método y la licencia. Elige un formato que lea tu entorno: los archivos GGUF funcionan en apps como Ollama y LM Studio, y safetensors en entornos de Python. Ajusta el tamaño a tu memoria; un modelo de 8B a 4 bits necesita unos 4-5 GB para los pesos. Después compáralo con el original usando tus propios prompts.

¿Existe algún LLM sin censura?

Sí, de varios tipos. En Hugging Face se publican fine-tunes de la comunidad y variantes abliteradas de modelos open-weight, y algunos servicios alojados ofrecen los suyos: a octubre de 2026, la página de modelos de Venice AI incluye un modelo Venice Uncensored. En la práctica ninguno está libre de límites, porque las licencias, las condiciones del hosting y la ley siguen aplicándose. Nuestra guía de LLM sin censura compara ejecutar uno en local con usar un servicio alojado.

¿Qué es Qwen abliterated?

Es una versión hecha por la comunidad de uno de los modelos open-weight de Qwen, la familia de LLM creada por Alibaba Cloud, a la que se le ha quitado la dirección de rechazo mediante abliteración. No es un lanzamiento oficial de Qwen. La calidad y los rechazos que quedan dependen de quién la hizo y cómo, así que lee la ficha del modelo: base exacta, método, paso de reparación si lo hay y licencia, que el derivado suele heredar.

Modelos abliterados: qué es la abliteración y qué cuesta

¿Qué es la abliteración? La versión en 30 segundos

En resumen

La abliteración es una técnica de edición de pesos que desactiva el hábito aprendido de un modelo de negarse. Sale directamente de la investigación en interpretabilidad. En abril de 2024, Andy Arditi, Oscar Obeso y otros colegas que trabajaban con Neel Nanda publicaron «Refusal in LLMs is mediated by a single direction» en LessWrong y el Alignment Forum. La versión ampliada del artículo en arXiv, presentada después en NeurIPS 2024, documenta el efecto en 13 modelos de chat de código abierto de hasta 72B parámetros.

Su hallazgo: si borras una dirección del flujo residual del modelo, deja de rechazar instrucciones dañinas; si añades esa dirección, rechaza incluso las inofensivas. La comunidad open-source convirtió ese resultado en una receta y le puso nombre, «abliteration», un juego de palabras con ablation (ablación). En español se habla de abliteración y de modelos abliterados: un modelo abliterado es simplemente uno que ha pasado por la receta.

Términos clave

Flujo residual (residual stream): el vector que cada capa lee y en el que escribe. Dirección: un vector en ese espacio. Ablación: eliminar un componente; aquí, la parte de cada activación que apunta en la dirección del rechazo.

Cómo funciona la abliteración, paso a paso

El artículo original y el muy leído tutorial de Maxime Labonne en Hugging Face describen el mismo procedimiento de base. A nivel conceptual:

Reúne dos conjuntos de prompts. Uno con instrucciones que el modelo rechaza y otro con instrucciones normales que sí responde.
Registra las activaciones. Pasa ambos conjuntos por el modelo y guarda las activaciones del flujo residual en las posiciones del último token, capa por capa.
Calcula la diferencia de medias. Promedia las activaciones de cada conjunto y resta una de otra. El resultado normalizado es una dirección de rechazo candidata para esa capa.
Elige la mejor candidata. Prueba candidatas de distintas capas y quédate con la que elimina los rechazos con menos daños colaterales. Labonne elige revisando las respuestas; las herramientas más recientes lo automatizan.
Aplica la ablación. O restas la componente de esa dirección en cada escritura al flujo residual durante la inferencia, o lo haces permanente ortogonalizando respecto a esa dirección las matrices de pesos que escriben en el flujo (embeddings, salidas de atención, salidas de las MLP).
Evalúa y, si quieres, repara. Comprueba los rechazos y la calidad general. Algunos autores rematan con un fine-tune ligero de preferencias para recuperar rendimiento perdido.

La ortogonalización de pesos es lo que hace que los modelos abliterados sean fáciles de compartir: el cambio vive en los pesos, así que el resultado se carga en cualquier entorno de ejecución normal, sin ganchos especiales.

Modelos abliterados vs fine-tuning vs jailbreak

Mucha gente mete todo esto en el mismo saco de «sin censura». Son herramientas distintas, con costes distintos.

Enfoque	Qué cambia	Qué necesita	¿Es permanente?	Principal inconveniente
Abliteración	Se elimina una dirección de los pesos	Pesos abiertos, una GPU y dos conjuntos de prompts	Sí, en el archivo del modelo	Algo de pérdida de capacidad; puede volver al modelo demasiado complaciente
Fine-tune sin censura	El modelo se reentrena con datos de los que se han filtrado los rechazos	Dataset, cómputo de entrenamiento y experiencia	Sí	Caro; el comportamiento cambia según los nuevos datos
Prompt de jailbreak	Nada en el modelo; un prompt lo engaña	Solo texto	No, va por chat	Poco fiable, lo parchean y rompe las reglas de la plataforma
Servicio alojado permisivo	Prompt de sistema y política alrededor del modelo	Una suscripción	Sí, en ese servicio	Confías en el proveedor; sus propios límites siguen aplicándose

Comparación conceptual basada en la investigación citada y en publicaciones de la comunidad.

Repasamos el panorama completo de modelos abiertos, hardware y alojamiento en nuestra guía del mejor LLM sin censura, online o en local.

Lo que la abliteración no hace

01No añade conocimiento.Un LLM abliterado sabe exactamente lo mismo que su modelo base. Si el modelo base se equivoca en algo, el abliterado también, solo que con más ganas.
02No garantiza cero rechazos.Ataca la dirección dominante. Algunos rechazos, rodeos y advertencias pueden sobrevivir, según el modelo y la capa elegida.
03No es una ley de la naturaleza.El resultado de la dirección única se cumplió en los modelos que probaron los investigadores. Es un patrón empírico sólido, no una garantía para cualquier arquitectura futura.
04No funciona con modelos cerrados.Necesitas los pesos y acceso a las activaciones. Los modelos que solo están alojados no los pueden abliterar sus usuarios.
05No quita los límites legales.De lo que genera respondes tú.

Por qué la abliteración importa más allá del chat sin censura

Los investigadores no buscaban crear chatbots sin censura. Su argumento era de ingeniería de seguridad: si una sola dirección controla el rechazo, el ajuste de seguridad de los modelos open-weight es superficial y barato de deshacer. El artículo califica de frágil el ajuste de seguridad actual y defiende que entender el interior de los modelos puede dar formas prácticas de controlar su comportamiento, en ambos sentidos.

01Para los equipos de seguridaddemuestra que cualquiera que tenga los pesos puede eliminar el rechazo, y eso influye en cómo piensan los laboratorios la publicación de modelos abiertos.
02Para la interpretabilidades un ejemplo limpio de un comportamiento que corresponde a una característica legible. El mismo artículo lo usa para estudiar cómo los sufijos adversariales suprimen la señal de rechazo.
03Para quien usa modelos abiertosexplica por qué aparecen variantes «sin censura» de cada lanzamiento a los pocos días. La receta es corta y el cómputo, modesto.
04Para todos los demásrecuerda que un rechazo es un hábito aprendido, no una señal de que el modelo sea más sabio que tú.

Los autores también respondieron en su publicación a la preocupación evidente: argumentaron que publicarlo añadía poco riesgo nuevo, porque ya se sabía que el ajuste de seguridad podía revertirse a bajo coste y los modelos afectados eran públicos. Puedes no estar de acuerdo, pero merece la pena leer su razonamiento antes que un resumen de él.

El coste en calidad de un modelo abliterado

Editar pesos es cirugía, y la cirugía tiene efectos secundarios. En el experimento de Labonne con un modelo de 8B, la versión abliterada puntuó más bajo en todos los benchmarks que pasó. Un fine-tune ligero de preferencias con DPO recuperó después casi toda la caída, con la excepción de las matemáticas (GSM8K). Hoy muchos autores publican dos versiones: la «en bruto» y la «curada».

Las herramientas han avanzado desde entonces. Proyectos como Heretic, una herramienta open-source de Philipp Emanuel Weidmann, automatizan la búsqueda de parámetros minimizando dos cosas a la vez: el número de rechazos y la divergencia KL respecto al modelo original en prompts inofensivos. Menos divergencia significa que el comportamiento con prompts normales se mantiene más cerca del original. Es un objetivo sensato, pero sigue siendo una aproximación; la prueba de verdad son tus propias tareas.

Complaciente no es lo mismo que útil

Un modelo que nunca dice que no también puede dejar de rebatir premisas equivocadas. En preguntas de investigación o de negocio, eso puede empeorar las respuestas, no mejorarlas. Pide contraargumentos de forma explícita.

Prueba este prompt

Rebate mi plan con toda la dureza que puedas: quiero dejar mi trabajo y abrir un café de juegos de mesa en un pueblo de 9000 habitantes. Enumera las cinco formas más probables en que fracasa y qué pruebas demostrarían que te equivocas.

Pruébalo en Unrestricted AI

Cómo usar un LLM abliterado con cabeza

Encuéntralo por su ficha de modelo. Las variantes abliteradas suelen publicarse en Hugging Face con el nombre del modelo base y un sufijo. Una buena ficha indica la base, el método, la capa elegida y si hubo paso de reparación.
Revisa la licencia. El derivado suele heredar la licencia del modelo base y sus restricciones de uso.
Elige un formato que lea tu entorno. Los archivos GGUF funcionan con apps basadas en llama.cpp como Ollama y LM Studio; safetensors funciona con pilas en Python.
Ajústalo a tu hardware. Un modelo de 8B a 4 bits necesita unos 4-5 GB para los pesos, y más para contextos largos.
Compáralo con el original. Mismos prompts en ambos modelos. Cuenta los rechazos, pero cuenta también los errores de datos y las caídas de calidad.

No enlazamos a propósito subidas concretas de modelos abliterados, ni publicamos prompts para saltarse las reglas de ningún modelo o proveedor. Elige entre fuentes documentadas y juzga tú los resultados.

Cuándo un servicio alojado supera a los modelos abliterados

La abliteración es brillante si quieres estudiar modelos, trabajar totalmente sin conexión o controlar cada ajuste. Es excesiva si lo que de verdad quieres es un asistente que conteste sin rodeos, escriba ficción oscura sin desmayarse y sepa qué pasó la semana pasada.

Sin GPU que comprar, sin archivos que actualizar, sin entornos que depurar.
Modelos más grandes de los que caben en la mayoría de equipos domésticos.
Búsqueda web en vivo con fuentes, algo que ningún modelo local trae de serie.
Generación de imágenes en la misma app, con el plan Max.

Eso es Unrestricted AI: un chat que solo rechaza una lista corta y pública de líneas rojas (menores, imágenes sexuales o falsas de personas reales, ayudar a alguien a hacer daño a otros), más búsqueda, e imágenes con el plan Max. Solo para adultos y sin plan gratuito; consulta los planes y precios. Si estás comparando, nuestra lista de los mejores chatbots de IA sin censura pone las opciones alojadas lado a lado, y nuestra página de chat IA sin censura muestra cómo es una conversación.