Ranking de Modelos Sem Censura: O que as contagens de downloads realmente medem

Não existe forma honesta de classificar modelos sem censura por capacidade, e todos os leaderboards que afirmam fazê-lo estão, na verdade, a classificar outra coisa — normalmente contagens de downloads, que medem a distribuição e não a capacidade. Por isso, este é um tipo diferente de leaderboard: um registo de proveniência. Para quinze repositórios descendentes de seis modelos base — dez deles construídos sobre Qwen3.8-27B, e os restantes sobre Qwen3.8-Flash-Next, Qwen-Image-2.1, Gemma-4-E4B, GLM-5.3 e DeepSeek-V4.1-Flash — regista o modelo base de onde vieram os pesos, o método de ablação usado para remover o comportamento de recusa, a quantização em que o ficheiro é servido, se o repositório tem acesso condicionado e a contagem de downloads a 2026-10-21. A ordem é por modelo base, não por pontuação. Se quiseres um número que te diga qual escolher, a resposta honesta é que esse número ainda não existe — que é o argumento que a cobertura existente deste blog sobre modelos sem censura continua a defender, e o mesmo argumento que o registo de incidentes faz sobre alegações de capacidade em geral.

Para o que o ledger é genuinamente bom é diferente e mais útil: ele informa quais artefatos existem, quem os criou, como foram criados e quais deles estão de fato sendo puxados. É nessa última coluna que moram as divergências interessantes.

O que é, mecanicamente, uma contagem de downloads

A contagem de downloads do Hugging Face é incrementada quando um arquivo é baixado — por uma pessoa, por um script, por um job de CI, por um espelho, por um harness de avaliação que puxa os mesmos pesos pela décima primeira vez. É um contador de downloads. Não é uma contagem de usuários, nem uma contagem de instalações, nem um sinal de qualidade. Um repositório que serve um GGUF de 20 GB que as pessoas baixam novamente após cada tentativa falha acumulará mais downloads do que um repositório melhor que serve uma quantização de 4 GB que as pessoas baixam uma vez.

Daí decorrem dois vieses estruturais, e eles explicam a maior parte da disparidade abaixo. Primeiro, a quantização impulsiona os downloads: um repositório GGUF que oferece oito níveis de quantização é baixado no nível que a VRAM do usuário permite, e os níveis populares são baixados repetidamente à medida que as pessoas experimentam. Segundo, o formato do arquivo determina quem pode sequer usá-lo: uma build safetensors não quantizada só é utilizável por alguém com o orçamento de memória de precisão total, então sua contagem de downloads é limitada pelo hardware, não pelo interesse. É por isso que o GGUF do mesmo modelo quase sempre supera em downloads seu lançamento de precisão total em uma ordem de magnitude, e por que ler essa diferença como um veredito de qualidade é um erro de categoria.

Uma base, nove derivados, uma variação de sessenta vezes

O cluster Qwen3.8-27B é o experimento natural mais limpo da amostra: nove repositórios no cartão abaixo, todos remontando à mesma base de 27B, todos declarando o mesmo objetivo de eliminar o comportamento de recusa, e com contagens de downloads que diferem enormemente.

Os três primeiros — JonathanColetti com 2,58M, o GGUF abliterated de huihui-ai com 2,43M e a build MTP agressiva de HauhauCS com 2,36M — estão dentro de nove por cento entre si e todos foram criados na mesma janela de quatro dias em meados de agosto de 2026. Esse agrupamento não é coincidência e não é um ranking: é assim que se parece um lançamento de modelo quando vários criadores de derivados avançam sobre a mesma base dentro de uma semana, cada um com uma receita ligeiramente diferente.

Compare os artefatos, não as contagens. JonathanColetti, huihui-ai e 0bserverx descrevem todos uma edição de remoção de recusa sobre a mesma base. DavidAU: a entrada é um merge — um fine-tune empilhado sobre um fine-tune, com uma cadeia de modificadores no nome do repositório que remete a um derivado anterior, e não à base original. HauhauCS: a build anuncia MTP, predição de múltiplos tokens, que é uma propriedade de velocidade, e não de censura. Essas são quatro classes diferentes de artefato presentes em uma única lista porque compartilham um pai. As contagens de downloads não os distinguem, e um ranking que ordenasse por contagem colocaria o merge em quarto lugar e o chamaria de uma abliteration pior.

Curtidas e downloads divergem em mais de vinte vezes

O Hugging Face também registra curtidas, e a razão entre os dois contadores é o número derivado mais informativo da amostra. A versão FP8 da própria organização tem 1.832 curtidas contra 126.807 downloads — aproximadamente uma curtida a cada 69 downloads. A versão de JonathanColetti, com uma contagem de downloads vinte vezes maior, tem 1.651 curtidas: cerca de uma curtida a cada 1.560 downloads.

Essa disparidade não significa que um repositório é amado e outro ignorado. Significa que os dois contadores estão a medir populações diferentes. As transferências escalam com o número de máquinas que querem o ficheiro; as curtidas escalam com o número de contas do Hugging Face que passaram pela página. Um repositório amplamente utilizado por fornecedores de inferência, harnesses e tarefas de CI mostrará uma contagem de transferências desproporcional a qualquer envolvimento humano, porque a maior parte do seu tráfego não são pessoas. Leia o rácio antes de ler a contagem: um rácio elevado de transferências para curtidas é um sinal de que o artefacto se tornou infraestrutura, e o tráfego de infraestrutura não diz nada sobre se o modelo é bom.

O gating muda o que o número significa

Quatro dos quinze repositórios têm acesso condicionado, e essa condição é um campo de proveniência, não uma nota de rodapé sobre disponibilidade. Um repositório com acesso condicionado ainda conta downloads, mas apenas de contas que aceitaram seus termos, portanto sua contagem é limitada por uma população com acesso, não pelo interesse. Comparar os downloads de um repositório com acesso condicionado aos de um sem essa restrição é comparar dois denominadores diferentes.

O caso mais claro da amostra é a derivação de cibersegurança construída sobre um modelo de 27B sem censura: 28.009 downloads, com acesso restrito, criada em 2026-09-26. É o repositório mais recente do registro e o segundo menos baixado, e nenhum dos dois fatos é evidência sobre sua capacidade. Ele simplesmente não tem estado acessível à população que gera volume de downloads, porque alcançá-lo exige uma solicitação.

Esse padrão se generaliza, e é por isso que as colunas com acesso restrito importam mais do que a coluna de contagem para quem faz devida diligência. Três dos quinze — as versões FP8 e GGUF do 27B e o Flash-Next GGUF — estão sujeitos a aprovação automática; os demais estão abertos. Um modelo sem restrição e sem censura com uma contagem alta tem uma grande base de usuários casuais. Um modelo com restrição e contagem baixa pode ser exatamente o que uma equipe de segurança procura, e seu número de downloads nunca dirá isso.

O que as outras quatro bases no livro-razão mostram

Amplie o quadro e a coluna de contagem fica ainda menos interpretável, porque a amostra não é homogênea.

• Qwen-Image-2.1, quantizado, 2.788.283 downloads. O maior repositório do registro é um modelo de imagem. Não é um modelo de linguagem sem censura, e sua presença é um lembrete de que a palavra "sem censura" agora é uma convenção de etiquetagem aplicada a todas as modalidades, independentemente do que o artefato realmente seja.

• Qwen3.8-Flash-Next, GGUF, 869,081 downloads, com acesso restrito. Uma base menor cujos derivados acumularam alcance real, mas uma fração do cluster de 27B.

• GLM-5.3, FP8, 103.568 downloads. Rotulada como uma versão de cibersegurança em vez de uma sem censura, construída sobre uma família base diferente. Intenção diferente, público adjacente.

• DeepSeek-V4.1-Flash, FP8, 52.502 downloads. Um único repositório, sem repositório irmão GGUF, sem repositório irmão MLX. Sua contagem reflete um único formato de disponibilização e, portanto, um público de hardware mais restrito.

Quatro bases, quatro explicações diferentes para a mesma coluna. Qualquer ranking que as misture numa única lista ordenada produz um número cujo significado muda de linha para linha.

Como ler um livro razão que não tem pontuações

A disciplina de leitura é curta e é a mesma que você aplicaria a qualquer registro de proveniência.

• Comece pela base. Dois repositórios com pais diferentes não são comparáveis, independentemente de quão semelhantes sejam seus nomes. Observe que o pai da entrada DavidAU é outro derivado, não o modelo original.

• Depois, o método. Abliteração, fusão, ajustado para MTP, apenas quantização. O primeiro altera o comportamento ao remover uma direção dos pesos; o segundo altera o comportamento ao misturar os pesos; o terceiro altera a velocidade; o quarto não altera nada no comportamento.

• Depois, o formato. GGUF para inferência local em diferentes orçamentos de memória, FP8 para serviço em datacenter, MLX para Apple silicon, não quantizado para referência e treino adicional. O formato prevê o volume de downloads com mais força do que a qualidade.

• Depois, o gate. Aberto, aprovação automática ou restrito. Este é o campo que mais frequentemente explica um número anormalmente baixo.

• Por último, a contagem — e apenas como uma comparação dentro do mesmo formato. Comparar os downloads de um GGUF com os de outro GGUF é defensável. Comparar um GGUF com uma build FP8 é comparar duas distribuições.

Onde o registro não consegue ajudar de jeito nenhum é na pergunta que todo mundo realmente tem: quais destes se comportam melhor depois que as recusas sumirem. Isso exige executá-los, e o enquadramento honesto para executá-los é o que este blog já usou antes — a abliteração remove um comportamento sem adicionar conhecimento, então um modelo abliterado menor ainda não consegue fazer o que um modelo base maior não conseguia fazer.

Se você quiser chamar um em vez de baixar um

A maior parte do registro trata de artefatos locais. A outra forma de usar esta categoria é por meio de uma API, e o ponto de entrada que vale a pena conhecer é a página do modelo Qwen3.8 27B: contexto de 262 mil tokens, entrada de texto, imagem e vídeo, servido em block-FP8 com a torre de visão mantida em precisão total, a US$ 0,40 por milhão de tokens de entrada e US$ 4,21 por milhão de saída. Seu número publicado de tráfego de sete dias é de 645,2 milhões de tokens, que é o mais próximo de um sinal de demanda que existe na página — e note que é uma contagem de tokens, não de downloads, o que a torna uma medida completamente diferente.

Seja preciso sobre o que essa página é e o que não é. Trata-se de um modelo 27B hospedado sob o slug de fornecedor obsidian, com preço por token no mesmo gateway que todo o resto. Não é o mesmo artefato que qualquer repositório no registro acima: a organização também publica uma versão FP8 sem censura no Hugging Face, que é um arquivo baixável com contagem de downloads de 126.807, enquanto o modelo servido é uma implantação com uma contagem de tokens. Um número mede obtenções; o outro mede chamadas. Nenhum dos dois é uma pontuação de capacidade, e nenhum dos dois substitui testar o comportamento que lhe importa.

Esse é todo o argumento de um leaderboard sem pontuações. Os downloads dizem o que as pessoas baixaram. Os likes dizem quem passou pela página. As barreiras de acesso dizem quem tinha permissão para baixar. A proveniência diz o que você está realmente obtendo. A única coisa que falta é aquela que todo mundo quer — e, até que alguém publique uma avaliação reproduzível desses artefatos nas tarefas para as quais eles alegam servir, um ranking seria uma invenção disfarçada de medição.