Was ist humanizer (12B)?
humanizer ist ein Modell mit 12 Milliarden Parametern, das ein unabh ängiger Entwickler, der auf Hugging Face als jialinyyzz und auf GitHub als sgaofen veröffentlicht, auf Basis von Googles Gemma 4 12B feinabgestimmt hat. Es erledigt eine Aufgabe: Du fügst einen KI-geschriebenen Entwurf ein (eine E-Mail, einen Aufsatz, einen Bericht oder einen Forenbeitrag, auf Englisch oder Chinesisch), und es schreibt ihn so um, dass er wie von einem Menschen verfasst wirkt, wobei es darauf trainiert ist, jede Zahl, Einheit, jedes Datum, jeden Namen und jedes Zitat zu erhalten. Die erste Version erschien im September 2026; die aktuellen v2-Gewichte wurden am 2. Oktober evaluiert.
Es ist ein Textvervollständigungsmodell, kein Chatmodell, mit einem Fenster von 8.192 Tokens für Anweisung, Entwurf und Umschreibung zusammen. Es wird als safetensors und als sechs GGUF-Dateien von 3,9 GB (2 Bit) bis 23,8 GB (bf16) ausgeliefert, mehrere davon quantisierungsbewusst trainiert, dazu eine kostenlose Offline-App für Mac und Windows und ein Kommandozeilentool, das .md-, .txt- und .docx-Dateien Stück für Stück umschreibt.
Für das Training wurden 28.598 Paare aus KI-Entwurf und echtem menschlichem Original, 3.918 Präferenzpaare und 500 Schritte Reinforcement Learning verwendet, bewertet von einem LLM als Faktenprüfer. Der Autor sagt, dass im Training an keiner Stelle ein KI-Detektor eingesetzt wurde, und hat jede Trainingszeile veröffentlicht. Gewichte und Code stehen unter Apache 2.0.
Lohnt sich humanizer (12B)?
Das Verkaufsargument von humanizer ist, dass KI-Text damit KI-Detektoren passiert, und die Model Card sagt das offen: Bei 210 zurückgehaltenen englischen Entwürfen markierte Originality.ai in seiner strengsten Einstellung 11 Umschreibungen (5%), gegenüber 26 bei der ersten Version. Bei 60 dieser Entwürfe wurde der beliebte Prompt blader/humanizer, angewendet von Claude Sonnet, 60 von 60 Mal markiert; dieses Modell 4 Mal. Das sind Messungen des Autors selbst, mit einem Detektor an einem Datum, und die Model Card räumt das ein.
Die nützlichere Zahl ist die Faktentreue. Ein strenger LLM-Prüfer (GLM-5.3) fand in 376 von 420 englischen Umschreibungen aus der empfohlenen Datei Q8_0 kein faktisches Problem, was heißt, dass etwa jede zehnte einen Fehler enthält. Laut Autor betreffen mehr als neun von zehn der markierten Fehler ein einzelnes Wort oder eine Wendung, und er nennt ein echtes Beispiel: Aus "the remaining 37 complaints" wurde "the other 37% of complaints". Chinesisch schneidet schwächer ab, mit 149 von 204 fehlerfreien. Auch die Formatierung rutscht: 28 von 420 Ausgaben verloren eine Liste, eine Überschrift oder einen Umbruch.
Die Technik ist besser als bei den meisten Hobby-Veröffentlichungen. Die 2-Bit-Datei wurde mit quantisierungsbewusstem Training neu gebaut, sodass sie in 87% der Fälle dasselbe nächste Token wie das volle Modell wählt, gegenüber 70% bei einem Standard-2-Bit-Build gleicher Größe, und sie läuft auf einem Rechner mit 8 GB. Die Model Card dokumentiert den exakten Prompt Byte für Byte, das Sampling, das abgeschaltet werden muss, und einen Selbsttest. Auf einem M5 Max dauert eine E-Mail mit 100 Wörtern etwa 3,6 Sekunden.
Es bleibt ein Werkzeug, zu dessen Hauptmarkt Studierende und alle gehören, die KI-Hilfe offenlegen müssen. Der Autor bittet die Nutzer, die Regeln von Schule und Arbeitgeber zu befolgen, aber nichts im Modell setzt das durch. Für die eigenen Entwürfe genutzt, damit eine KI-gestützte E-Mail nach dir klingt, ist es eine gut gemachte lokale Alternative dazu, Text in einen Web-Humanizer zu kopieren.
Wo es sich lohnt
Ein Vertriebsleiter in einer Agentur mit 20 Personen, der Kunden-E-Mails mit einem KI-Assistenten entwirft
KI-Entwürfe weniger schablonenhaft klingen lassen, ohne Kundendaten preiszugeben
Die App für Mac oder Windows lädt einmal eine Datei herunter und arbeitet dann offline; eine E-Mail mit 100 Wörtern dauert auf einem M5 Max etwa 3,6 Sekunden. Eine als Fakt markierte Passage bleibt Wort für Wort erhalten, aber Zahlen und Namen muss man trotzdem lesen.
Ein Entwickler, der eine Dokumentations-Pipeline betreibt
Generierte Release Notes im Batch in einem schlichteren Ton umschreiben
Betreibe das GGUF Q8_0 mit llama-server und rufe /completion mit dem dokumentierten Prompt auf, oder führe hz auf .md-Dateien aus; es erhält Überschriften, Code und Tabellen und markiert jeden Abschnitt, in dem eine Zahl verloren ging. Teile Dateien auf, um unter 8.192 Tokens zu bleiben.
Bevor du dich festlegst
- Einrichtung
- Installiere die Desktop-App, die eine von fünf Dateigrößen passend zu deinem Speicher vorschlägt und herunterlädt, oder hole ein GGUF mit hf download und starte llama-server. Das Prompt-Format muss exakt nachgebildet und top-k sowie min-p müssen abgeschaltet werden; die Model Card nennt einen Hash zur Prüfung.
- Integrationen
- llama.cpp, LM Studio, Ollama (mit dem mitgelieferten Modelfile), MLX, transformers und vLLM; eine AGENTS.md-Datei erklärt Coding-Agenten, wie sie es installieren und selbst testen. Ein Draft-Modell aus der Community beschleunigt die Dekodierung mit MLX um etwa 1,5x.
- Daten und Datenschutz
- Läuft vollständig lokal; es wird nichts irgendwohin gesendet. Apache 2.0, übernommen von Gemma 4 12B; der Autor steht in keiner Verbindung zu Google.
- Kosten im großen Maßstab
- Kostenlos. Q8_0 hat 12,7 GB mit einer Spitze von 13,7 GB auf einem Mac, Q4_K_M 7,6 GB und die 2-Bit-Datei 3,9 GB mit einer Spitze von 6,2 GB; die Geschwindigkeit auf einem M5 Max liegt bei etwa 36 bis 38 Tokens pro Sekunde.
- Grenzen
- 8.192 Tokens pro Anfrage, lange Dokumente müssen also aufgeteilt werden. Die Model Card nennt Antworten in der falschen Sprache bei kurzen, fachjargonlastigen englischen Entwürfen, hinzugefügten Slang oder Kraftausdrücke in lockeren Textsorten und schablonenhafte Social-Media-Posts als die Textsorte, die Detektoren noch erkennen (3 von 16).
Was gut ist
- 376 von 420 englischen Umschreibungen ohne Faktenfehler (selbst gemeldet)
- Läuft offline, mit der 2-Bit-Datei schon ab 8 GB Speicher
- Trainingsdaten, Prompts und Evaluationsausgaben vollständig veröffentlicht
- Apache 2.0; kostenlose App für Mac und Windows
Was nicht
- Etwa jede zehnte Umschreibung verändert noch einen Fakt
- Detektor-Ergebnisse stammen von einem Anbieter an einem Datum
- Chinesisch und Formatierung sind weniger zuverlässig
- Antwortet manchmal auf Chinesisch oder fügt ungefragt Slang ein
Am besten für
Menschen, die mit KI entwerfen und wollen, dass das Ergebnis nach ihrem eigenen Stil klingt, auf dem eigenen Rechner, und die Zahlen und Namen vor dem Absenden gegenlesen.
Alternativen zu humanizer (12B)
humanizer (12B): häufige Fragen
- Lohnt sich humanizer (12B)?
- Ungewöhnlich gut dokumentiert und besser im Erhalten von Fakten als ein Prompt, doch jede zehnte englische Umschreibung ändert noch etwas, und der Hauptwert beruht auf einem Detektor, der sich morgen ändern kann. Wir bewerten es mit 3.7 von 5.
- Was kostet humanizer (12B)?
- Kostenlos unter Apache 2.0: Gewichte, GGUF-Dateien, Desktop-App und CLI. Kein gehosteter Dienst.
- Welche Nachteile hat humanizer (12B)?
- Etwa jede zehnte Umschreibung verändert noch einen Fakt; Detektor-Ergebnisse stammen von einem Anbieter an einem Datum; Chinesisch und Formatierung sind weniger zuverlässig; Antwortet manchmal auf Chinesisch oder fügt ungefragt Slang ein.
- Für wen eignet sich humanizer (12B)?
- Menschen, die mit KI entwerfen und wollen, dass das Ergebnis nach ihrem eigenen Stil klingt, auf dem eigenen Rechner, und die Zahlen und Namen vor dem Absenden gegenlesen.
- Was kostet humanizer (12B) für ein Team oder im Produktivbetrieb?
- Kostenlos. Q8_0 hat 12,7 GB mit einer Spitze von 13,7 GB auf einem Mac, Q4_K_M 7,6 GB und die 2-Bit-Datei 3,9 GB mit einer Spitze von 6,2 GB; die Geschwindigkeit auf einem M5 Max liegt bei etwa 36 bis 38 Tokens pro Sekunde.
- Ist humanizer (12B) sicher für Firmendaten?
- Läuft vollständig lokal; es wird nichts irgendwohin gesendet. Apache 2.0, übernommen von Gemma 4 12B; der Autor steht in keiner Verbindung zu Google.
- Was sind die besten Alternativen zu humanizer (12B)?
- Die nächsten Alternativen, die wir getestet haben, sind Gemma 4.
Antworten geprüft am 31. Okt. 2026.