Clasificación de modelos sin censura: qué miden realmente los recuentos de descargas

No hay una forma honesta de clasificar modelos sin censura por capacidad, y toda tabla de clasificación que afirma hacerlo está, en realidad, clasificando otra cosa en silencio —normalmente, recuentos de descargas, que miden la distribución en lugar de la capacidad. Así que esta es una tabla de clasificación de otro tipo: un registro de procedencia. Para quince repositorios que descienden de seis modelos base —diez de ellos construidos sobre Qwen3.8-27B, el resto sobre Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3 y DeepSeek-V4.1-Flash—, registra la base de la que proceden los pesos, el método de ablación usado para eliminar el comportamiento de rechazo, la cuantización en la que se sirve el archivo, si el repositorio tiene acceso restringido y el recuento de descargas a fecha de 2026-10-21. El orden es por modelo base, no por puntuación. Si quieres un número que te diga cuál elegir, la respuesta honesta es que ese número aún no existe, lo cual es el argumento que la cobertura existente de modelos sin censura de este blog sigue planteando, y el mismo argumento que el registro de incidentes plantea sobre las afirmaciones de capacidad en general.

Para lo que el registro sirve de verdad es para algo distinto y más útil: te dice qué artefactos existen, quién los creó, cómo se hicieron y cuáles se están descargando realmente. En esa última columna es donde viven los desacuerdos interesantes.

Qué es un recuento de descargas, mecánicamente

El contador de descargas de Hugging Face se incrementa cada vez que se recupera un archivo: ya sea una persona, un script, un trabajo de CI, una réplica o un arnés de evaluación que se baja los mismos pesos por undécima vez. Es un contador de recuperaciones. No es un recuento de usuarios, ni un recuento de instalaciones, ni una señal de calidad. Un repositorio que sirve un GGUF de 20 GB que la gente vuelve a descargar tras cada intento fallido acumulará más recuperaciones que un repositorio mejor que sirve una cuantización de 4 GB que la gente descarga una sola vez.

De ahí se desprenden dos sesgos estructurales, y explican la mayor parte de la dispersión que se muestra a continuación. En primer lugar, la cuantización impulsa las descargas: un repositorio GGUF que ofrece ocho niveles de cuantización se descarga en el nivel que permita la VRAM del usuario, y los niveles populares se descargan una y otra vez a medida que la gente experimenta. En segundo lugar, el formato de archivo determina quién puede usarlo siquiera: una compilación de safetensors sin cuantizar solo puede usarla quien disponga del presupuesto de memoria para precisión completa, así que su número de descargas está limitado por el hardware y no por el interés. Por eso el GGUF del mismo modelo casi siempre supera en descargas a su versión de precisión completa en un orden de magnitud, y por eso interpretar esa diferencia como un veredicto de calidad es un error de categoría.

Una base, nueve derivados, una diferencia de sesenta veces

El clúster Qwen3.8-27B es el experimento natural más limpio de la muestra: nueve repositorios en la tarjeta que aparece a continuación, todos remontándose a la misma base de 27B, todos declarando el mismo objetivo de eliminar el comportamiento de rechazo y con recuentos de descargas que difieren enormemente.

Los tres primeros —JonathanColetti con 2,58 M, el GGUF abliterado de huihui-ai con 2,43 M y la agresiva compilación MTP de HauhauCS con 2,36 M— están a menos de un nueve por ciento de diferencia entre sí y todos se crearon en la misma ventana de cuatro días a mediados de agosto de 2026. Esa agrupación no es una coincidencia ni una clasificación: es el aspecto que tiene el lanzamiento de un modelo cuando varios creadores de derivados se mueven sobre la misma base en el plazo de una semana, cada uno con una receta ligeramente distinta.

Compare los artefactos en lugar de los recuentos. JonathanColetti, huihui-ai y 0bserverx describen todos una edición de eliminación de rechazos sobre la misma base. DavidAU es una fusión: un ajuste fino apilado sobre otro ajuste fino, con una cadena de modificadores en el nombre del repositorio que se remonta a un derivado anterior en lugar de a la base original. HauhauCS anuncia MTP, predicción de múltiples tokens, que es una propiedad de velocidad y no de censura. Son cuatro clases diferentes de artefactos que figuran en una misma lista porque comparten un progenitor. Los recuentos de descargas no los distinguen, y una tabla de clasificación que se ordenara por recuento colocaría la fusión en cuarto lugar y la llamaría una abliteración peor.

Los «me gusta» y las descargas difieren en más de veinte veces.

Hugging Face también registra los «me gusta», y la proporción entre ambos contadores es el número derivado más informativo de la muestra. La versión FP8 propia de la organización tiene 1.832 «me gusta» frente a 126.807 descargas — aproximadamente un «me gusta» por cada 69 descargas. La versión de JonathanColetti, con un recuento de descargas veinte veces mayor, tiene 1.651 «me gusta»: alrededor de un «me gusta» por cada 1.560 descargas.

Esa brecha no significa que un repositorio sea querido y otro ignorado. Indica que los dos contadores están midiendo poblaciones distintas. Las descargas escalan con el número de máquinas que quieren el archivo; los me gusta escalan con el número de cuentas de Hugging Face que pasaron por la página. Un repositorio muy usado por proveedores de inferencia, arneses y trabajos de CI mostrará un recuento de descargas desproporcionado respecto de cualquier interacción humana, porque la mayor parte de su tráfico no son personas. Lee la proporción antes que el recuento: una relación alta entre descargas y me gusta es una señal de que el artefacto se ha convertido en infraestructura, y el tráfico de infraestructura no te dice nada sobre si el modelo es bueno.

El gating cambia lo que significa el número.

Cuatro de los quince repositorios están restringidos, y la restricción es un campo de procedencia más que una nota al pie sobre disponibilidad. Un repositorio restringido sigue contando descargas, pero solo de cuentas que aceptaron sus términos, así que su recuento está limitado por una población con acceso y no por el interés. Comparar las descargas de un repositorio restringido con las de uno no restringido es comparar dos denominadores diferentes.

El caso más claro de la muestra es el derivado de ciberseguridad construido sobre un 27B sin censura: 28.009 descargas, con acceso restringido, creado el 26/09/2026. Es el repositorio más reciente del registro y el segundo con menos descargas, y ninguno de esos dos hechos constituye evidencia sobre su capacidad. Simplemente no ha estado al alcance de la población que genera volumen de descargas, porque llegar a él requiere una solicitud.

Ese patrón se generaliza, y es la razón por la que las columnas con acceso restringido importan más que la columna de recuento para cualquiera que haga una debida diligencia. Tres de los quince —las compilaciones FP8 y GGUF del 27B y el GGUF de Flash-Next— están detrás de aprobación automática; el resto están abiertos. Un modelo sin restricciones y sin censura con un recuento alto tiene una gran base de usuarios ocasionales. Uno con acceso restringido y un recuento pequeño puede ser exactamente lo que busca un equipo de seguridad, y su número de descargas nunca lo indicará.

Lo que muestran las otras cuatro bases en el libro mayor

Amplía el marco y la columna de recuento se vuelve aún menos interpretable, porque la muestra no es homogénea.

• Qwen-Image-2.1, cuantizado, 2.788.283 descargas. El repositorio más grande del registro es un modelo de imagen. No es un modelo de lenguaje sin censura, y su presencia es un recordatorio de que la palabra "uncensored" es ahora una convención de etiquetado que se aplica en todas las modalidades, independientemente de lo que el artefacto sea en realidad.

• Qwen3.8-Flash-Next, GGUF, 869.081 descargas, con acceso restringido. Una base más pequeña cuyos derivados han acumulado un alcance real, pero solo una fracción del clúster de 27B.

• GLM-5.3, FP8, 103.568 descargas. Etiquetada como una compilación de ciberseguridad en lugar de una sin censura, construida sobre una familia base diferente. Intención distinta, público adyacente.

• DeepSeek-V4.1-Flash, FP8, 52.502 descargas. Un solo repositorio, sin repositorio hermano GGUF, sin repositorio hermano MLX. Su cifra refleja un único formato de servicio y, por tanto, un público de hardware más reducido.

Cuatro bases, cuatro explicaciones diferentes para la misma columna. Cualquier tabla de clasificación que las mezcle en una única lista ordenada está produciendo un número cuyo significado cambia de una fila a otra.

Cómo leer un libro mayor que no tiene puntuaciones

La disciplina de lectura es breve y es la misma que aplicarías a cualquier registro de procedencia.

• Empieza por la base. Dos repositorios con padres diferentes no son comparables, por muy similares que sean sus nombres. Ten en cuenta que el padre de la entrada de DavidAU es otro derivado, no el modelo original.

• Luego, el método. Abliteration, fusión, ajuste con MTP, solo cuantización. La primera cambia el comportamiento al eliminar una dirección de los pesos; la segunda cambia el comportamiento al combinar los pesos; la tercera cambia la velocidad; la cuarta no cambia nada del comportamiento.

• Luego, el formato. GGUF para inferencia local con distintos presupuestos de memoria, FP8 para servicio en centros de datos, MLX para Apple silicon, sin cuantizar como referencia y para entrenamiento posterior. El formato predice el volumen de descargas con más fuerza que la calidad.

• Luego la puerta. Abierta, aprobación automática o restringida. Este es el campo que con mayor frecuencia explica un número anormalmente bajo.

• Por último, el recuento, y solo como comparación dentro del mismo formato.Comparar las descargas de un GGUF con las de otro GGUF es defendible. Comparar un GGUF con una compilación FP8 es comparar dos distribuciones.

Donde el registro no puede ayudar en absoluto es en la pregunta que todos tienen en realidad: cuál de estos se comporta mejor una vez que los rechazos desaparecen. Eso requiere ejecutarlos, y el enfoque honesto para ejecutarlos es el que este blog ha usado antes: la abliteración elimina un comportamiento sin añadir conocimiento, así que un modelo abliterado más pequeño sigue sin poder hacer lo que un modelo base más grande no podía hacer.

Si quieres llamar a uno en lugar de descargar uno

La mayor parte del registro trata de artefactos locales. La otra forma de usar esta categoría es mediante una API, y el punto de entrada que conviene conocer es la página del modelo Qwen3.8 27B: contexto de 262K tokens, entrada de texto, imagen y vídeo, servido en block-FP8 con la torre de visión mantenida a precisión completa, a 0,40 $ por millón de tokens de entrada y 4,21 $ por millón de salida. Su cifra publicada de tráfico de siete días es de 645,2 millones de tokens, que es lo más parecido en la página a una señal de demanda —y ten en cuenta que es un recuento de tokens, no un recuento de descargas, lo que la convierte en una medición completamente distinta.

Sé preciso sobre qué es y qué no es esa página. Es un modelo alojado de 27B bajo el slug de proveedor obsidian, y tiene precio por token en la misma puerta de enlace que todo lo demás. No es el mismo artefacto que ningún repositorio del registro anterior: la organización también publica una compilación FP8 sin censura en Hugging Face, que es un archivo descargable con un recuento de descargas de 126,807, mientras que el modelo servido es un despliegue con un recuento de tokens. Un número mide descargas; el otro mide llamadas. Ninguno es una puntuación de capacidad, y ninguno sustituye a probar el comportamiento que te importa.

Cuál es todo el argumento de una tabla de clasificación sin puntuaciones. Las descargas te dicen qué se llevó la gente. Los «me gusta» te dicen quién pasó por la página. Las restricciones de acceso te dicen a quién se le permitió descargar siquiera. La procedencia te dice qué estás obteniendo en realidad. Lo único que falta es lo que todos quieren, y hasta que alguien publique una evaluación reproducible de estos artefactos en las tareas para las que afirman ser, una clasificación sería una invención disfrazada de medición.