Explicación de la eliminación de censura a nivel tensorial

Dos formas de hacer que un modelo obedezca

La evasión a nivel de prompt mantiene el comportamiento de negativa en los pesos e intenta esquivarlo: trucos de relleno previo, incantaciones en el prompt del sistema, encuadre de juego de rol. Funciona con suficiente frecuencia como para ser popular, pero es probabilística. La dirección de negativa sigue en el modelo, por lo que generaciones largas, formulaciones inusuales o un ajuste fino de seguridad que se desvía pueden desencadenar una negativa a mitad de la historia, y una sola negativa destruye una tarde de generación.

La eliminación de censura a nivel tensorial (abliteración) es una operación diferente. El comportamiento de negativa vive en una dirección del espacio de activación del modelo; la técnica identifica esa dirección y elimina la capacidad del modelo de actuar sobre ella, editando los propios pesos. No queda nada que disparar, por lo que no hay nada que romper.

Por qué "0% de negativas en una suite A/B" es el dato que importa

Las afirmaciones son baratas; las distribuciones no lo son. La métrica significativa es una tasa de negativas medida sobre una batería estandarizada de prompts (una suite A/B) que cubre las categorías que un modelo normalmente resistiría, ejecutada de la misma manera cada vez. Un modelo que obtiene 0% de negativas en toda la suite no es "generalmente obediente": el comportamiento ha desaparecido, de forma determinista, del mismo modo en cada solicitud.

Ese determinismo es la diferencia práctica para el trabajo de formato largo: una tasa de cumplimiento del 98% de un modelo con jailbreak significa un fallo en cincuenta generaciones; el 0% de un modelo abliterado significa que el modo de fallo no existe.

Qué cuesta la abliteración (y qué no)

Las primeras técnicas de abliteración sacrificaban capacidad por obediencia. La generación moderna —y los modelos que servimos, como Qwen 3.8 Flash Next Uncensored— están construidos de modo que la torre de visión, la llamada a herramientas y el razonamiento permanecen intactos, con cero pérdida de capacidad medible en evaluaciones estándar. La afirmación a verificar no es "sin censura" sino "sin censura y sigue puntuando en la línea base".

El encuadre legal y lícito

Eliminar las negativas trata sobre la libertad creativa —temas oscuros, conflictos, ficción moralmente compleja— no sobre habilitar el daño. Unquant sirve versiones disponibles abiertamente para uso lícito, y el abuso que busca daño en el mundo real está fuera del alcance de todos, en todas partes.

Próximos pasos

Empieza con las páginas del modelo para GLM-5.3-Flash o Qwen 3.8 Flash Next.