¿Qué es humanizer (12B)?
humanizer es un modelo de 12.000 millones de parámetros ajustado a partir de Gemma 4 12B de Google por un desarrollador independiente que publica como jialinyyzz en Hugging Face y sgaofen en GitHub. Hace una sola cosa: pegas un borrador escrito con IA (un correo, un ensayo, un informe o un mensaje de foro, en inglés o chino) y lo reescribe para que parezca escrito por una persona, entrenado para conservar cada número, unidad, fecha, nombre y cita. La primera versión apareció en septiembre de 2026; los pesos actuales v2 se evaluaron el 2 de octubre.
Es un modelo de completado de texto, no de chat, con una ventana de 8.192 tokens para instrucción, borrador y reescritura juntos. Se distribuye en safetensors y en seis archivos GGUF de 3,9 GB (2 bits) a 23,8 GB (bf16), varios de ellos entrenados con cuantización (quantisation-aware), además de una app gratuita sin conexión para Mac y Windows y una herramienta de línea de comandos que reescribe archivos .md, .txt y .docx por partes.
El entrenamiento usó 28.598 pares de borrador de IA y original humano real, 3.918 pares de preferencia y 500 pasos de aprendizaje por refuerzo puntuados por un juez LLM de hechos. El autor dice que no se usó ningún detector de IA en ninguna fase del entrenamiento, y ha publicado todas las filas de entrenamiento. Pesos y código están bajo Apache 2.0.
¿Merece la pena humanizer (12B)?
El argumento de venta de humanizer es que hace que el texto de IA pase los detectores de IA, y la ficha lo dice sin rodeos: en 210 borradores en inglés reservados para la evaluación, Originality.ai en su ajuste más estricto marcó 11 reescrituras (5%), frente a 26 de la primera versión. En 60 de esos borradores, el popular prompt blader/humanizer aplicado por Claude Sonnet fue marcado 60 veces de 60; este modelo, 4. Son mediciones del propio autor con un detector en una fecha, y la ficha lo reconoce.
La cifra más útil es la fidelidad a los hechos. Un juez LLM estricto (GLM-5.3) no encontró ningún problema factual en 376 de 420 reescrituras en inglés del archivo recomendado Q8_0, lo que significa que aproximadamente una de cada diez tiene un error. El autor dice que más de nueve de cada diez de los errores marcados afectan a una sola palabra o frase, y da un ejemplo real: "the remaining 37 complaints" se convirtió en "the other 37% of complaints". El chino va peor, con 149 de 204 limpias. El formato también falla: 28 de 420 salidas perdieron una lista, un título o un salto.
La ingeniería es mejor que la de la mayoría de proyectos de aficionado. El archivo de 2 bits se rehízo con entrenamiento consciente de la cuantización, de modo que coincide con el siguiente token del modelo completo el 87% de las veces, frente al 70% de una versión estándar de 2 bits del mismo tamaño, y funciona en una máquina de 8 GB. La ficha documenta el prompt exacto byte a byte, el muestreo que hay que desactivar y una autoprueba. En un M5 Max, un correo de 100 palabras tarda unos 3,6 segundos.
Sigue siendo una herramienta cuyo mercado principal incluye a estudiantes y a cualquiera obligado a declarar la ayuda de la IA. El autor pide a los usuarios que respeten las normas de su centro y su empresa, pero nada en el modelo lo impone. Usado con tus propios borradores, para que un correo hecho con ayuda de IA suene como tú, es una alternativa local bien hecha a pegar texto en un humanizador web.
Dónde se gana su sitio
Un responsable comercial de una agencia de 20 personas que redacta correos a clientes con un asistente de IA
Hacer que los correos redactados con IA suenen menos a plantilla sin filtrar datos de clientes
La app para Mac o Windows descarga un archivo una vez y luego funciona sin conexión; un correo de 100 palabras tarda unos 3,6 segundos en un M5 Max. Marcar un pasaje como dato lo conserva palabra por palabra, pero los números y nombres siguen necesitando una lectura.
Un desarrollador que mantiene un pipeline de documentación
Reescribir por lotes notas de versión generadas con un tono más llano
Sirve el GGUF Q8_0 con llama-server y llama a /completion con el prompt documentado, o ejecuta hz sobre archivos .md; conserva títulos, código y tablas y señala cualquier sección en la que haya desaparecido un número. Divide los archivos para no pasar de 8.192 tokens.
Antes de decidirte
- Puesta en marcha
- Instala la app de escritorio, que sugiere uno de cinco tamaños de archivo según tu memoria y lo descarga, o descarga un GGUF con hf download y ejecuta llama-server. El formato del prompt debe reproducirse exactamente y top-k y min-p deben desactivarse; la ficha da un hash para comprobarlo.
- Integraciones
- llama.cpp, LM Studio, Ollama (con el Modelfile incluido), MLX, transformers y vLLM; un archivo AGENTS.md indica a los agentes de código cómo instalarlo y autoprobarlo. Un modelo borrador de la comunidad acelera la decodificación en MLX unas 1,5x.
- Datos y privacidad
- Funciona totalmente en local; no se envía nada a ningún sitio. Apache 2.0, heredada de Gemma 4 12B; el autor no tiene relación con Google.
- Coste a escala
- Gratis. Q8_0 ocupa 12,7 GB con un pico de 13,7 GB en un Mac, Q4_K_M ocupa 7,6 GB y el archivo de 2 bits 3,9 GB con un pico de 6,2 GB; la velocidad en un M5 Max es de unos 36 a 38 tokens por segundo.
- Límites
- 8.192 tokens por petición, así que los documentos largos deben dividirse. La ficha cita respuestas en el idioma equivocado con borradores cortos en inglés cargados de jerga técnica, jerga o palabrotas añadidas en géneros informales, y las publicaciones sociales de plantilla como el género que los detectores aún detectan (3 de 16).
Lo bueno
- 376 de 420 reescrituras en inglés sin errores factuales (según el autor)
- Funciona sin conexión, con solo 8 GB de memoria usando el archivo de 2 bits
- Datos de entrenamiento, prompts y salidas de evaluación publicados
- Apache 2.0; app gratuita para Mac y Windows
Lo malo
- Aproximadamente una de cada diez reescrituras aún altera un dato
- Los resultados con detectores son de un proveedor en una fecha
- El chino y el formato son menos fiables
- A veces responde en chino o añade jerga sin que se le pida
Ideal para
Personas que redactan con IA y quieren que el resultado suene a su propia escritura, en su propia máquina, y que revisarán números y nombres antes de enviar.
Alternativas a humanizer (12B)
humanizer (12B): preguntas frecuentes
- ¿Merece la pena humanizer (12B)?
- Inusualmente bien documentado y mejor que un prompt para conservar los datos, pero una de cada diez reescrituras en inglés aún cambia algo, y su cifra principal depende de un detector que puede cambiar mañana. Le damos un 3.7 sobre 5.
- ¿Cuánto cuesta humanizer (12B)?
- Gratis bajo Apache 2.0: pesos, archivos GGUF, app de escritorio y CLI. Sin servicio alojado.
- ¿Qué inconvenientes tiene humanizer (12B)?
- Aproximadamente una de cada diez reescrituras aún altera un dato; los resultados con detectores son de un proveedor en una fecha; el chino y el formato son menos fiables; a veces responde en chino o añade jerga sin que se le pida.
- ¿Para quién es humanizer (12B)?
- Personas que redactan con IA y quieren que el resultado suene a su propia escritura, en su propia máquina, y que revisarán números y nombres antes de enviar.
- ¿Cuánto cuesta humanizer (12B) para un equipo o en producción?
- Gratis. Q8_0 ocupa 12,7 GB con un pico de 13,7 GB en un Mac, Q4_K_M ocupa 7,6 GB y el archivo de 2 bits 3,9 GB con un pico de 6,2 GB; la velocidad en un M5 Max es de unos 36 a 38 tokens por segundo.
- ¿Es humanizer (12B) seguro para los datos de la empresa?
- Funciona totalmente en local; no se envía nada a ningún sitio. Apache 2.0, heredada de Gemma 4 12B; el autor no tiene relación con Google.
- ¿Cuáles son las mejores alternativas a humanizer (12B)?
- Las alternativas más cercanas que hemos analizado son Gemma 4.
Respuestas comprobadas el 31 oct 2026.