Unzensierte offene Modelle 2026: abliteriert, nachtrainiert oder steuerbar, und was jeder Weg kostet
Von ReviewRamble editors ·
Ein offenes Modell, das nie ablehnt, ist nicht leistungsfähiger als das Modell, aus dem es stammt. Es hat einen erlernten Reflex verloren und damit die einzige Sicherheitsprüfung, die in den Gewichten mitgeliefert wird. 2026 sind drei Wege dorthin weit verbreitet: die Gewichte so bearbeiten, dass die Ablehnungen herausfallen, mit Daten nachtrainieren, aus denen die Ablehnungen entfernt wurden, und ein Modell so trainieren, dass es der Richtlinie folgt, die sein System-Prompt vorgibt. Sie kosten unterschiedlich viel, beschädigen Unterschiedliches und lassen dir dieselbe Aufgabe: festzulegen, wo die Prüfungen jetzt sitzen.
Dieser Leitfaden richtet sich an alle, die ein Modell zum Betrieb auswählen, nicht an alle, die eines verändern. Jede Zahl unten stammt aus einem Paper, einer Model Card oder einem Forschungsbericht, verlinkt an der jeweiligen Stelle; wir haben diese Modelle nicht selbst ausgeführt. Wenn du dich schon für ein Modell entschieden hast und den Filter brauchst, der seine Ablehnungen ersetzt, deckt unser Leitfaden zu Guardrails für KI-Apps und Agenten diesen Teil ab.
Warum Modelle gefragt sind, die nicht ablehnen
Gängige Chatmodelle sind darauf trainiert, ganze Kategorien von Anfragen abzulehnen, und dieses Training ist grob. Ein Modell, das sich weigert zu erklären, wie eine Phishing-Mail funktioniert, könnte es meist erklären; die Ablehnung ist ein Verhalten, keine fehlende Fähigkeit. Diese Grobheit trifft legitime Arbeit: Sicherheitsteams, die Exploit-Code analysieren, Romanautorinnen und -autoren, die Gewalt beschreiben, Ärztinnen, Ärzte und Lehrkräfte, die über Überdosen sprechen, Forschende, die Alignment selbst untersuchen, und alle, die lokal ein Rollenspielmodell wie Cydonia 24B oder Rocinante X 12B betreiben, die beide bewusst unzensiert sind.

Die Nachfrage ist keine Randerscheinung. Eine begutachtete Studie in Future Internet verfolgte im Oktober 2025 8,608 Repositorys mit veränderten Modellen und stellte fest, dass bei ihren unsicheren Prompts unveränderte Modelle in 19.2% der Fälle gehorchten und veränderte in 80.0%. Mehr als die Hälfte dieser Modelle waren GGUF-Dateien, das Format, mit dem man Modelle lokal ausführt. ThreatDown zählte 6,644 verschiedene Modelle auf Hugging Face, die als abliterated, uncensored, decensored, heretic oder unfiltered beworben wurden und in den 30 Tagen bis zum 4. Juli 2026 mehr als 22 Millionen Mal heruntergeladen wurden. Diese Etiketten stammen von den Anbietern selbst; ThreatDown hat nicht geprüft, was die Modelle tatsächlich tun.
Drei Wege, Ablehnungen zu entfernen
Abliteration: die Gewichte bearbeiten
2024 zeigten Arditi und Kollegen, dass die Ablehnung in 13 offenen Chatmodellen mit bis zu 72B Parametern entlang einer einzigen Richtung im Modell verläuft. Entfernt man diese Richtung, hört das Modell auf, schädliche Anfragen abzulehnen; fügt man sie hinzu, lehnt es harmlose ab. Abliteration schreibt diese Entfernung fest in die Gewichte. Sie braucht kein Nachtraining, und deshalb hat sie sich durchgesetzt: Maxime Labonnes Anleitung von 2024 machte daraus ein Rezept, und das Open-Source-Werkzeug Heretic, im November 2025 erschienen, automatisierte die Suche nach den Einstellungen. Laut seiner README dauert ein 4B-Modell auf einer RTX 3090 30 bis 40 Minuten, und die Community hat Tausende damit erstellte Modelle veröffentlicht.
Große Modelle kosten mehr, aber nicht viel mehr. Das Frontier Red Team von Anthropic berichtete, dass das Abliterieren von GLM-5.3, einem offenen Modell mit 753B Parametern, sein unerfahrenes Team etwa 2,200 GPU-Stunden kostete, rund $4,400, und schätzte, dass ein erfahrenes Team etwa 600 Stunden ($1,200) bräuchte. Entwickler veröffentlichten abliterierte Kopien von GLM-5.3 wenige Tage nach dem Start. Bedenke, dass dies die Analyse eines Labors zum Modell eines Konkurrenten ist.

Fine-Tunes ohne Ablehnungen: das Verhalten neu trainieren
Der ältere Weg ist ein Fine-Tuning auf Daten, aus denen Ablehnungen und Moralpredigten herausgefiltert wurden. Am bekanntesten ist die Dolphin-Reihe von Eric Hartford. Dolphin 3.0 R1 Mistral 24B wurde drei Epochen lang auf 800,000 Reasoning-Traces trainiert, und seine Model Card sagt dir, dass du den System-Prompt selbst setzen sollst, um Ton und Richtlinien festzulegen. Die deutliche Warnung, die oft Dolphin 3 zugeschrieben wird, stammt aus der Model Card von Dolphin 2.9: Das Modell "wird jeder Anfrage weitgehend nachkommen, auch unethischen", und du solltest eine eigene Alignment-Schicht einbauen, bevor du es als Dienst anbietest. Dieser Rat gilt für jedes Modell in diesem Leitfaden. Fine-Tuning dauert länger als eine Bearbeitung, aber das Verhalten wird antrainiert statt herausgeschnitten.
Steuerbare Modelle: die Richtlinie steht im Prompt
Hermes 4 von Nous Research geht einen dritten Weg. Es ist darauf trainiert, der Richtlinie zu folgen, die der System-Prompt vorgibt, und kann deshalb nach deinen Regeln ablehnen statt nach denen des Labors. Die Familie reicht von einem 14B-Modell auf Basis von Qwen3 (Apache 2.0) über 70B- und 405B-Modelle auf Basis von Llama 3.1 (Llama-Lizenz) bis zu Hermes 4.3 36B auf Basis von Seed-OSS von ByteDance (Apache 2.0). Der technische Bericht zu Hermes 4 bewertet es mit RefusalBench, einem eigenen Satz von Nous aus 166 Prompts, die Frontier-Modelle meist ablehnen, beurteilt von Claude Sonnet 4. Drei Kategorien werden umgekehrt gewertet, dort zählt eine Ablehnung also als richtig. Laut der Model Card von Nous für Hermes 4.3 36B beantwortet es 74.6% des Satzes, gegenüber 51.3% bei Grok 4. Der Benchmark stammt vom Anbieter selbst, nimm die Zahlen also als Richtung, nicht als Beweis.
Der Nachteil: Deine Richtlinie ist nur so stark wie die Anweisungen, die du schreibst, und lange Unterhaltungen schieben diese Anweisungen immer weiter vom Ende des Kontexts weg.
Was es das Modell kostet
Jede Methode beschädigt etwas, und der Schaden ist messbar. Den saubersten Vergleich bietet die Tabelle, die Heretic für Gemma 3 12B in einer früheren Version seiner README veröffentlicht hat. Sie zählt die Ablehnungen bei 100 schädlichen Prompts und misst bei harmlosen die KL-Divergenz: wie weit die Antworten des bearbeiteten Modells von denen des Originals abweichen, wobei niedriger besser ist.
| Gemma 3 12B Build | Ablehnungen von 100 | Abweichung bei harmlosen Prompts (KL) |
|---|---|---|
| Original | 97 | 0 |
| Labonne abliteration v2 | 3 | 1.04 |
| huihui-ai abliteration | 3 | 0.45 |
| Heretic | 3 | 0.16 |
Alle drei entfernen Ablehnungen gleich gut; bei den Nebenwirkungen unterscheiden sie sich um das Sechsfache. Labonnes eigene Anleitung stellte fest, dass sein abliteriertes Modell in jedem Benchmark schlechter abschnitt, bis eine weitere Runde DPO-Training den Großteil des Verlusts wettmachte, allerdings nicht bei der Mathematik in GSM8K. Anthropic stellte fest, dass das abliterierte GLM-5.3 bei GPQA-Diamond mit dem Original gleichauf lag, bei CyberGym aber ein paar Prozent schlechter abschnitt. Das Muster: Das Wissen bleibt weitgehend erhalten, und wie das Modell es nutzt, verschiebt sich auf eine Weise, die eine einzelne Schlagzeilenzahl verbergen kann.
Prüfe bei jedem Build, den du in Betracht ziehst, zwei Dinge auf der Model Card. Erstens, ob die Benchmark-Zahlen auf den bearbeiteten Gewichten gemessen oder von der Model Card des Basismodells übernommen wurden. Zweitens, ob überhaupt Ablehnungszahlen und Abweichung veröffentlicht werden. Wenn nicht, musst du sie selbst messen (siehe die Prüfungen am Ende).
Tool-Aufrufe und die Lieferkette
Das Entfernen von Ablehnungen bringt nichts für strukturierte Ausgabe. Ein abliteriertes Modell behält bestenfalls die Fähigkeit des Basismodells zu Tool-Aufrufen, und das Serving-Template kann sie trotzdem kaputtmachen: Das Dolphin-3-Paket von Ollama warb mit Function Calling, aber sein Template unterstützte keine Tools, und das Issue wurde im Oktober 2026 ohne Lösung geschlossen. Teste genau den Build, die Quantisierung und das Template, die du ausliefern wirst, nicht den Ruf des Basismodells.
Das größere Risiko ist, was ein bearbeitetes Modell sonst noch mitbringt. ProjectDiscovery zeigte, wie billig sich eine Hintertür in offene Gewichte einbauen lässt. Sie trainierten Qwen2.5-7B-Instruct per Fine-Tuning auf 500 sauberen und 125 vergifteten Beispielen, mit einer einzigen 24-GB-GPU für unter $50. Das Modell verhielt sich in jedem sauberen Test normal und schickte bei einem versteckten Auslöser einen Tool-Aufruf, der die .env-Dateien des Entwicklers an einen externen Server sendete. Ihre Demo war ein Fine-Tune und keine Abliteration, und sie sagen offen, warum abliterierte Modelle der naheliegende Träger sind: Man lädt sie gerade deshalb herunter, um sie ohne Prüfungen zu betreiben, und ein abliterierter Qwen3-Build überschritt in einem Monat zwei Millionen Downloads.
Behandle ein verändertes Modell deshalb als nicht vertrauenswürdigen Code, mit demselben Lieferkettenrisiko wie ein unbekanntes Paket. Bevorzuge Anbieter, die dokumentieren, was sie geändert haben. Pinne genau die Revision, die du getestet hast. Und gib einem ungeprüften Modell niemals eine Shell, Zugangsdaten oder offenen Netzwerkzugang: Führe seine Tools in einer Sandbox aus, trenne Netzwerkzugang von der Befehlsausführung und protokolliere, was eine der beiden Grenzen überschreitet. Unser Leitfaden zur Absicherung von Coding-Agenten und unser Beitrag darüber, wer Aktionen von Agenten freigibt, behandeln diese Kontrollen.
Wo Ablehnungen zurückkehren
Das Entfernen von Ablehnungen ist weder dauerhaft noch vollständig.
- Quantisierung verändert die Datei, die du getestet hast. Das Runden der Gewichte auf 4 Bit (Quantisierung) rundet auch die bearbeiteten, sodass eine für den Build in voller Präzision veröffentlichte Ablehnungszahl für das GGUF, das du herunterlädst, nicht unbedingt gilt. Miss die Datei, die du tatsächlich ausführen wirst.
- Kurze Tests beweisen wenig. Zwanzig schnelle Prompts sagen nichts über das Verhalten tief in einer langen Agenten-Sitzung, wo das Ausweichen zurückkehren kann und die Richtlinie eines steuerbaren Modells Tausende Tokens zurückliegt. Teste mit der Länge, mit der du arbeiten wirst.
- Merges und weitere Fine-Tunes verändern es erneut. Ein Build, bei dem jemandes Bearbeitung auf das Fine-Tune eines anderen gestapelt wurde, erbt ein Verhalten, das niemand als Ganzes gemessen hat.
Auch die Modellhersteller wehren sich. Ein Paper von 2025 trainierte Modelle darauf, vor einer Ablehnung ausführlich zu begründen, was die Ablehnung über viele Tokens verteilt; Abliteration senkte die Ablehnungen danach um höchstens 10%, gegenüber 70 bis 80% bei gewöhnlichen Modellen, allerdings wurden nur kleine Modelle getestet. Die Arbeit Deep Ignorance von EleutherAI setzt noch früher an: Das Herausfiltern von Material zu biologischen Bedrohungen aus dem Pretraining ergab 6.9B-Modelle, die Fine-Tuning-Angriffen mit bis zu 300 Millionen Tokens widerstanden. Ein Modell, das etwas nie gelernt hat, lässt sich nicht so bearbeiten, dass es dieses Wissen hat, kann dieselben Informationen aber trotzdem nutzen, wenn du sie ihm im Prompt gibst; deshalb plädieren die Autoren für gestaffelte Verteidigung.
Der praktische Punkt für Käufer: Ein abliteriertes Modell kann nur, was seine Basis schon konnte. Lies in der Model Card des Basismodells nach, was aus seinen Trainingsdaten gefiltert wurde, so wie du die Einschränkungen seiner Benchmarks lesen würdest.
Eine Auswahlliste nach GPU-Speicher
Der Speicherbedarf besteht aus den Gewichten plus dem KV-Cache für deinen Kontext, plus ein oder zwei Gigabyte Overhead der Laufzeitumgebung. Die Zahlen gelten für 4-Bit-Builds und stammen aus unseren Tests und den Model Cards; prüfe die genaue Datei, bevor du Hardware kaufst. Unser GPU-Rechner rechnet die Kontextlänge für dich ein.
| GPU-Speicher | Basis oder Build | Weg | Hinweise |
|---|---|---|---|
| 8 GB | Dolphin 3 8B | Fine-Tune | 4.9 GB in Ollama, 128K Kontext; sein Ollama-Template unterstützt keine Tools |
| 16 GB | Rocinante X 12B | Fine-Tune | Rollenspiel und Fiktion; passt mit 4 Bit deutlich unter 16 GB |
| 16 bis 24 GB | Gemma 4 26B A4B | Abliteration (Community-Builds) | Die Basis belegt mit 4 Bit 14.4 GB, passt auf eine 24-GB-Karte, Apache 2.0; abliterierte und Heretic-GGUFs von Gemma 4 gehören zu den meistgeladenen auf Hugging Face |
| 24 GB | Qwen 3.8 27B | Abliteration (Build von huihui-ai) | Die Basis belegt mit 4 Bit 16.5 GB; der abliterierte Build steht unter Apache 2.0, bearbeitet die Schichten 18 bis 51, und sein Ersteller nennt ihn einen Machbarkeitsnachweis, nicht für die Produktion gedacht |
| 24 GB | Cydonia 24B oder Dolphin 3.0 R1 Mistral 24B | Fine-Tune | Cydonia läuft mit Q5 bis Q6 auf 24 GB und mit Q4 auf 16 GB; der Ollama-Build von Dolphin R1 belegt 13 GB, und seine Model Card nennt keine Lizenz |
| 24 GB | Hermes 4.3 36B | Steuerbar | Das Q4_K_M-GGUF von Nous selbst belegt 21.8 GB, Q3_K_M 17.6 GB; Apache 2.0; die Wahl, wenn das Modell nach deinen schriftlichen Regeln ablehnen soll |
| Rechenzentrum | GLM-5.3 | Abliteration (Community-Builds) | Etwa 753 GB FP8-Gewichte, mehr als ein Knoten mit 8 GPUs zu je 80 GB; der Fall, den Anthropic untersucht hat |

Die Lizenzen unterscheiden sich je nach Build. Die Apache 2.0 eines Basismodells sagt dir nichts über die Bedingungen einer fremden Bearbeitung, und mehrere beliebte Fine-Tunes nennen überhaupt keine Lizenz. Lies die Lizenzdatei im Repository, aus dem du herunterlädst.
So wählst du aus
- Du brauchst zuverlässige Tool-Aufrufe. Beginne mit einem steuerbaren Modell oder einem gut dokumentierten Fine-Tune, mit 4 Bit oder mehr, und teste das Schema mit deinen eigenen Tools. Behandle abliterierte Builds für Agenten als experimentell, bis sie diesen Test bestehen.
- Das Modell soll deinen Regeln folgen, nicht gar keinen. Hermes 4 mit einer ausdrücklichen Richtlinie im System-Prompt, dazu ein separater Filter für alles, was niemals passieren darf.
- Du willst maximale Offenheit auf einem Rechner für Coding oder Vision. Ein abliteriertes Qwen 3.8 27B auf einer 24-GB-Karte, wobei du die Produktionswarnung seines Erstellers beim Wort nimmst.
- Fiktion und Rollenspiel auf einer kleinen Karte. Rocinante X 12B oder Cydonia 24B, die genau dafür gebaut wurden.

Was du auch wählst, führe drei Prüfungen mit der Kontextlänge durch, die du wirklich nutzen wirst, nicht mit einer zweizeiligen Demo:
- Ablehnungen. Führe 20 bis 50 Prompts aus deiner echten Arbeitslast aus, einschließlich der Grenzfälle, bei denen alignte Modelle abgelehnt haben, und zähle Ablehnungen und ausweichende Nicht-Antworten.
- Tools. Führe 50 bis 100 mehrstufige Aufgaben mit Tool-Aufrufen und strukturierter Ausgabe aus, und zähle Schemafehler und ausgelassene Tools.
- Abweichung. Schicke dieselben Prompts mit demselben Seed und Greedy Decoding durch den Build und sein Basismodell, und vergleiche die Antworten nebeneinander. Wenn eine Model Card keine KL-Divergenz veröffentlicht, ist das dein Ersatz dafür.
Setze danach die Sicherheitsschicht, die das Modell nicht mehr hat, dorthin, wo sie hingehört: einen Klassifikator wie Qwen3Guard oder Llama Guard 4 auf Ein- und Ausgaben, enge Tool-Berechtigungen und Protokolle. Der Guardrails-Leitfaden geht jeden Punkt durch.

Der Haken: Das Etikett auf der Model Card ist die einzige Beschreibung, die die meisten dieser Builds haben. "Uncensored" kann eine sorgfältige Bearbeitung mit veröffentlichten Abweichungswerten bedeuten oder eine Arbeit von zwei Stunden mit kopierten Benchmarks und ohne Lizenz, und von außen sehen beide gleich aus, bis du sie testest.
Unser Fazit: Ablehnungen zu entfernen ist, als nähme man den Schutz von einer Säge. Manche Schnitte werden möglich, die vorher nicht gingen, und an der Schärfe des Blatts ändert sich nichts. Kauf die Säge wegen des Blatts, also wegen des Basismodells, und bring den Schutz an einer Stelle wieder an, die du kontrollierst.