La comunidad de código abierto ya puede descargar DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, una versión decensurada del modelo de razonamiento de 9B parámetros creado por Jackrong. Su ficha en Hugging Face reporta solo 3 rechazos en 100 solicitudes delicadas frente a los 100 de 100 del modelo original, con una divergencia KL de apenas 0.0422 respecto a su comportamiento base. Te contamos qué rendimientos ofrece, cómo ejecutarlo en una GPU de 8 GB y qué limitaciones conviene conocer antes de usarlo.

El modelo original ya era una de las piezas más comentadas del ecosistema Qwen: un fine-tune de Qwen3.5-9B destilado de respuestas generadas por DeepSeek-V4-Pro en modo Max Effect, entrenado con cerca de 250.000 muestras de matemáticas y ciencias STEM. Lo que publica ahora el usuario xtools-at es una capa más: una intervención quirúrgica sobre los valores de rechazo del modelo, sin reentrenamiento. Y eso, lo cierto es que, cambia la conversación sobre qué se puede hacer con un modelo abierto.

¿Qué es este modelo y de dónde viene?

El árbol de modelos de la ficha lo resume bien: parte de Qwen/Qwen3.5-9B-Base, pasa por el fine-tune oficial de Qwen3.5-9B y la variante optimizada de Unsloth, llega al destilado Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B y termina en esta versión decensurada publicada por xtools-at. El entrenamiento del original usó primero fine-tuning supervisado (SFT) y después un refinamiento ligero con aprendizaje por refuerzo mediante GSPO (Grouped Stepwise Preference Optimization), sin datos de programación en ninguna de las dos etapas.

Un detalle que agradecerá la audiencia hispana: la ficha declara soporte para seis idiomas, entre ellos español, además de inglés, chino, coreano, japonés y ruso. Su enfoque es el razonamiento estructurado: descomposición rigurosa de problemas y construcción confiable de la respuesta final. Para quien compara opciones, este modelo entra directo en la discusión de nuestra comparativa de modelos de IA local con Qwen 3.5 en 2026.

¿Qué significa decensurar un modelo con Heretic?

Heretic es una herramienta de código abierto (licencia AGPL-3.0) que elimina la alineación de seguridad de modelos transformer sin reentrenamiento costoso. Combina una implementación avanzada de ablacción direccional —conocida como abliteration— con un optimizador de parámetros que busca automáticamente el equilibrio entre minimizar rechazos y minimizar la divergencia KL respecto al modelo original, de modo que el resultado conserve la mayor parte de su inteligencia. La versión 2.0 del proyecto, lanzada en noviembre de 2026, introdujo el modificador ARA (Arbitrary-Rank Ablation) como método por defecto, que es justo el empleado aquí según la ficha (Heretic v2.0.0.dev0).

¿Y qué se modifica en la práctica? La ficha publica los parámetros exactos de la ablacción, que opera sobre un rango de capas de la red:

El resultado, medido en la evaluación del autor sobre un conjunto de 100 solicitudes delicadas, es drástico en rechazos y mínimo en el resto del comportamiento:

¿La traducción práctica? El modelo deja de negarse casi por completo, pero el resto de sus capacidades —razonamiento, formato, estilo— permanece esencialmente intacto, según la evidencia aportada por el creador. Una divergencia KL de 0.0422 es una desviación muy pequeña frente al modelo original. Vale la pena señalar, eso sí, que estas cifras provienen de la evaluación del propio autor y no de una auditoría independiente.

¿Qué rendimiento ofrece en benchmarks?

La ficha reporta resultados comparables a modelos de mucho mayor tamaño. En GSM8K, el checkpoint evaluado en NVFP4 mediante vLLM alcanzó 94.50 % de precisión (promedio de cuatro corridas), por encima del 92.60 % reportado para su modelo profesor DeepSeek-V4-Pro y muy cerca del 94.84 % de Llama-3.3-70B-Instruct.

En MMLU-Pro (500 preguntas por subconjunto de Matemáticas, Física y Química, evaluado con MTP-Q8_0 GGUF en llama.cpp), el modelo logra el mejor promedio de su tabla comparativa con 90.53 %, superando a Qwen3.5-9B en +0.93 puntos:

Resulta particularmente interesante el capítulo de eficiencia: frente a Qwen3.5-9B entrega 36.1 % menos tokens por respuesta correcta manteniendo mayor precisión, con un promedio de 2.858 tokens de razonamiento por pregunta frente a los 4.425 del modelo base. En GPU, menos tokens por respuesta correcta significa menos consumo eléctrico y más usuarios concurrentes por tarjeta.

¿Qué tan bien sigue instrucciones?

La ficha destaca un punto poco común en modelos de razonamiento: el cumplimiento de formato. Ante la instrucción de responder con una sola letra mayúscula tras el razonamiento, el modelo lo hizo en el 97.2 % de los casos, frente al 37.3 % de Qwen3.5-9B oficial. En GSM8K cierra con una respuesta directa en cerca del 99.8 % de las generaciones. Para flujos automatizados que dependen de salidas limpias, este dato pesa tanto como la precisión.

¿Cómo ejecutarlo en tu equipo?

El modelo (9B parámetros, safetensors en BF16, licencia Apache 2.0) se descarga desde su ficha en Hugging Face, donde acumula más de 7.000 descargas del último mes y supera los 700 “likes”. Existen tres rutas prácticas, según tu hardware y tu caso de uso:

Los tamaños de archivo por cuantización provienen de la colección de fine-tunes de Qwen3.5-9B en Hugging Face, y la comunidad ya publica repositorios GGUF e imatrix listos para descargar. En la práctica: si usas LM Studio u Ollama, basta buscar el nombre del modelo en el buscador de la app y elegir el GGUF según tu VRAM; si prefieres el motor de servicio, el comando vllm serve seguido del identificador del repositorio levanta un endpoint compatible con OpenAI en localhost:8000, igual que explicamos en nuestro análisis de vLLM. Es el mismo terreno donde ya operan los DeepSeek cuantizados que analizamos al correr modelos GGUF en 12 GB de VRAM, y si nunca has montado un modelo local, nuestra guía para instalar y ejecutar DeepSeek en tu PC cubre el proceso paso a paso.

¿Qué limitaciones y riesgos tiene un modelo decensurado?

Aquí toca ser honestos. La propia ficha advierte que se trata de un modelo comunitario experimental, sujeto a alucinaciones, errores de razonamiento e inestabilidad en tareas difíciles o mal especificadas. Los resultados de MMLU-Pro provienen de muestras aleatorias de 500 preguntas por subconjunto, no de los subconjuntos completos, y no constituyen una evaluación de capacidades ni de seguridad. Además, GSM8K y MMLU-Pro se midieron con builds y backends distintos, así que sus puntuaciones no sirven para comparar cuantizaciones entre sí.

El punto delicado es el “decensurado”. Retirar los rechazos no elimina los sesgos del entrenamiento ni convierte al modelo en juez de sus propias salidas. Un modelo sin filtros responde más, pero no responde mejor ni con más criterio: es responsabilidad del usuario definir reglas de uso, verificar salidas de alto impacto y no exponerlo a menores ni a sistemas críticos sin capa de moderación adicional. Los usos recomendados por el creador son moderados y sensatos: resolución de problemas matemáticos, consultas STEM, razonamiento estructurado, investigación sobre destilación y flujos experimentales con salidas validadas de forma independiente.

Un detalle simpático de la ficha original: el ingeniero de hardware Kyle Hessling, colaborador del proyecto, usó la versión base para construir Star Skip, un pequeño juego interactivo que demuestra las habilidades de razonamiento del modelo en un entorno real. Nada mal para 9B parámetros que corren en una tarjeta de consumo.