IA sin filtros: qué son y cuáles se pueden quitar de verdad

"IA sin filtros" es una de las búsquedas que más ha crecido en español y una de las peor respondidas. La mayoría de artículos que la contestan hacen lo mismo: te dan una lista de herramientas y se van. Ninguno explica lo que de verdad querías saber, que es qué es un filtro, dónde está puesto y por qué unos se pueden quitar y otros no.

Y hay una confusión de partida que lo enturbia todo: "sin filtros" y "sin censura" no son lo mismo. Un filtro es un componente técnico concreto, normalmente un clasificador que revisa lo que entra o lo que sale. La censura, tal y como la usa la gente, es el resultado de esa capa más otras cuatro que van por debajo y que no se parecen en nada.

La respuesta directa: un modelo de lenguaje moderno lleva cinco capas de control —filtro de entrada, prompt de sistema, alineamiento por RLHF, supervisión constitucional y filtro de salida—. Las capas de filtro son las de fuera y son las únicas fáciles de quitar, pero solo desaparecen si el modelo corre en tu máquina. El alineamiento está dentro de los pesos del modelo: eso no es un filtro que se apaga, es cómo aprendió a comportarse, y quitarlo requiere modificar el modelo y pagar un precio en calidad. En un servicio cerrado como ChatGPT no puedes tocar ninguna de las cinco.

Este artículo es la parte conceptual del asunto. Si lo que buscas es la lista de herramientas, la tengo en las mejores IAs sin censura; si lo que quieres es instalar una en tu ordenador, el paso a paso está en IA sin censura en local.

"Sin filtros" y "sin censura" no son lo mismo

Merece la pena fijar el vocabulario, porque el marketing lo mezcla a propósito:

Término	Qué significa técnicamente	¿Se puede quitar?
Filtro	Un clasificador externo que revisa el prompt o la respuesta y la bloquea	Sí, si controlas el sistema donde corre
Alineamiento	Cómo se entrenó el modelo para preferir unas respuestas a otras	No sin modificar los pesos
Prompt de sistema	Las instrucciones invisibles que recibe el modelo antes que tú	Sí, en modelos abiertos; no en productos cerrados
Censura	Palabra coloquial para el resultado combinado de todo lo anterior	Solo parcialmente
Moderación	El proceso completo, incluida la revisión humana y la política de uso	No, es una decisión de empresa

Cuando alguien te vende un "modelo sin filtros", en el mejor de los casos te está dando un modelo abierto sin las capas externas y con el alineamiento debilitado. En el peor, te está dando el mismo modelo de siempre con un prompt de sistema descarado y cobrándote por ello.

Las cinco capas de una IA con filtros

Esta es la estructura real de cualquier asistente comercial moderno, de fuera hacia dentro:

Capa	Qué hace	Dónde vive
1. Filtro de entrada	Clasifica tu prompt antes de que llegue al modelo y lo bloquea si encaja en una categoría prohibida	En el servicio, fuera del modelo
2. Prompt de sistema	Instrucciones invisibles que fijan tono, límites y personalidad	En el servicio, delante de tu mensaje
3. Alineamiento (RLHF/DPO)	El entrenamiento con preferencias humanas que enseñó al modelo qué respuestas se premian	Dentro de los pesos
4. Supervisión constitucional	Un conjunto de principios con los que el modelo se autoevalúa y corrige durante el entrenamiento	Dentro de los pesos
5. Filtro de salida	Revisa la respuesta ya generada y la corta si infringe la política	En el servicio, después del modelo

Las capas 1, 2 y 5 son software alrededor del modelo. Se pueden desactivar como se desactiva cualquier otro componente: si el sistema es tuyo, no las pones.

Las capas 3 y 4 son el modelo. No hay un interruptor porque no hay un componente separado: el comportamiento está distribuido en los mismos números que hacen que el modelo hable español. Es la diferencia que casi ningún artículo explica y la que responde a la pregunta de por qué un modelo local descargado de internet sigue negándose a ciertas cosas aunque no tenga ningún filtro alrededor.

Si te interesa el fundamento de por qué un modelo "aprende" a comportarse así, lo desarrollo en qué es un LLM.

Cuáles se pueden quitar de verdad

Escenario	Capas 1, 2 y 5 (filtros)	Capas 3 y 4 (alineamiento)
ChatGPT, Claude o Gemini en su web	No	No
API de un proveedor comercial	Parcialmente: controlas el prompt de sistema, no la moderación	No
Modelo abierto ejecutado en local	Sí, no existen si no las pones	No, salvo que modifiques el modelo
Modelo abierto modificado (abliterated)	Sí	Debilitado, no eliminado

De ahí sale la conclusión práctica de todo el artículo: "IA sin filtros" es una categoría que solo existe de verdad si ejecutas un modelo abierto en tu propia máquina. Todo lo que se anuncia como servicio web "sin filtros" es, o bien un modelo abierto alojado por un tercero —con sus propias reglas, que las tiene—, o bien humo.

Y ojo con una cosa: en la API de un proveedor comercial puedes escribir el prompt de sistema que quieras, pero la moderación de entrada y salida sigue ahí y las condiciones de uso también. Saltárselas no es un truco técnico, es un incumplimiento contractual que puede costarte la cuenta. Lo cuento con detalle en ChatGPT sin censura.

Qué es la abliteración, explicada sin matemáticas

Esta es la parte interesante y la que casi nadie cuenta bien.

En 2024 se publicó un hallazgo que cambió el panorama de los modelos abiertos: el rechazo en un modelo de lenguaje está mediado por una sola dirección dentro de su espacio interno de representaciones. Dicho en cristiano: cuando el modelo va a negarse, hay un patrón concreto y reconocible que se activa, y ese patrón es prácticamente el mismo para todas las negativas y en modelos muy distintos.

Si esa dirección se puede identificar, se puede anular. Y eso es exactamente lo que hace la abliteración: se calcula la dirección de rechazo comparando las activaciones del modelo ante prompts inofensivos y ante prompts que rechaza, y después se modifican los pesos para que esa dirección deje de tener efecto. Es una edición permanente del modelo, no un jailbreak ni un prompt astuto. No hace falta reentrenar nada, y el proceso está automatizado en herramientas públicas.

Por eso los modelos que ves en Hugging Face etiquetados como abliterated o uncensored responden a cosas que su versión original rechazaba. No les han quitado un filtro: les han quitado la capacidad de decir que no.

Y aquí está el matiz que conviene entender antes de emocionarse: no le han añadido conocimiento nuevo, ni han mejorado nada. Un modelo abliterado no sabe más que el original. Solo ha perdido el reflejo de negarse.

Lo que se pierde al quitar los filtros

Nadie te cuenta la factura, así que va aquí:

Pierdes calidad. La intervención sobre los pesos no es gratis. Hay trabajo académico reciente que mide justamente esto: al separar el rechazo de la capacidad se degrada el rendimiento del modelo en tareas normales. La caída no siempre es dramática, pero existe, y se nota más cuanto más pequeño es el modelo.

Pierdes el juicio, no solo la censura. El alineamiento no solo enseña a rechazar temas incómodos: también enseña a matizar, a avisar de riesgos y a no afirmar con seguridad cosas dudosas. Un modelo abliterado responde con el mismo aplomo a una pregunta de cocina que a una consulta médica peligrosa, y eso, en un uso real, es un problema más grande que el que venías a resolver.

Pierdes el aviso. Los filtros de salida, además de bloquear, avisan. Sin ellos, un error del modelo llega a ti sin ninguna señal.

No ganas privacidad automáticamente. Si el "modelo sin filtros" es un servicio web de un tercero, tus conversaciones siguen pasando por el servidor de alguien. La privacidad la da ejecutar en local, no quitar filtros. Son dos cosas distintas que se venden juntas.

Los tres casos en los que esto tiene sentido de verdad

Voy a mojarme, porque este tema suele tratarse con hipocresía. Hay usos legítimos y son estos:

Investigación en seguridad de modelos. Si trabajas en red teaming o evaluación de riesgos, necesitas un modelo que no se niegue para poder medir qué es capaz de producir. Es literalmente el trabajo.

Dominios donde el alineamiento sobrefiltra. Es el caso más común y el menos contado. Un modelo comercial se niega con frecuencia a hablar de medicina, farmacología, derecho penal, seguridad informática o ciertos contenidos de ficción, aunque la pregunta sea profesional y legítima. Hay estudios que miden exactamente esta sobrealineación en contextos jurídicos. Si eres médico, abogado penalista o analista de seguridad, no estás buscando hacer nada raro: estás buscando que la herramienta no te trate como sospechoso.

Ficción y creación con temas adultos o violentos. Escribir una novela negra con un modelo que se escandaliza cada dos párrafos es inviable. Aquí la solución suele ser más simple de lo que parece: un modelo abierto normal, sin abliterar, con un buen prompt de sistema, resuelve la mayoría de casos.

Fuera de esos tres, mi experiencia es que la gente que busca "IA sin filtros" quiere en realidad otra cosa: que no le sermoneen, que no le corten a mitad de una respuesta técnica o que no le pidan permiso constantemente. Y eso, casi siempre, se arregla cambiando de modelo o escribiendo mejor el prompt de sistema, no rompiendo nada.

Lo que "sin filtros" no te da en ningún caso

Tres cosas que conviene dejar claras, sin sermón y una sola vez:

No te da inmunidad legal. Que el modelo no se niegue no convierte en legal lo que produzcas con él. La responsabilidad de lo que publicas o haces con una salida es tuya, exactamente igual que si lo hubieras escrito a mano.

No te libra del Reglamento Europeo de IA. Si usas el sistema dentro de una empresa, siguen aplicando las obligaciones que te correspondan, incluida la transparencia del artículo 50 para sistemas que interactúan con personas, en aplicación desde el 2 de agosto de 2026. Lo desarrollo en la ley europea de IA, el AI Act.

No te exime del RGPD. Un modelo local reduce muchísimo el riesgo porque los datos no salen de tu máquina, pero si tratas datos personales sigues siendo responsable del tratamiento. Contexto completo en RGPD e inteligencia artificial en la empresa.

Cómo se hace en la práctica, en dos líneas

El camino real, si has llegado hasta aquí y sigues queriendo hacerlo, es corto: instalar Ollama o LM Studio, descargar un modelo abierto y escribir tu propio prompt de sistema. Con eso ya has eliminado las capas 1, 2 y 5, que son las que más molestan en el uso diario, sin tocar el modelo y sin perder calidad.

Solo si después de eso el modelo sigue negándose a algo que necesitas de verdad tiene sentido plantearse una versión modificada. Y llegado ese punto, elige el modelo más grande que aguante tu equipo, porque la degradación se nota mucho menos.

El proceso completo, con requisitos de memoria, nombres reales de modelos y cuantizaciones, está en IA sin censura en local. Y si lo que te interesa es el panorama de modelos abiertos en general, sin que el tema sean los filtros, la referencia es IA open source y modelos abiertos.

Preguntas frecuentes

¿Qué es una IA sin filtros?

Es un modelo de lenguaje que se ejecuta sin las capas externas de control —filtro de entrada, prompt de sistema restrictivo y filtro de salida— que llevan los servicios comerciales. En la práctica solo existe si ejecutas un modelo abierto en tu propio ordenador, porque en un servicio web esas capas las pone el proveedor y no puedes quitarlas.

¿Es lo mismo una IA sin filtros que una IA sin censura?

No. "Sin filtros" se refiere a las capas externas que revisan lo que entra y lo que sale, y esas se quitan fácilmente en local. "Sin censura" suele referirse también al alineamiento, que está dentro de los pesos del modelo y no se apaga: hay que modificar el modelo para debilitarlo, y eso tiene un coste en calidad.

¿Se pueden quitar los filtros de ChatGPT?

No. En ChatGPT, Claude o Gemini no tienes acceso a ninguna de las cinco capas: ni a los filtros de entrada y salida, ni al prompt de sistema, ni por supuesto al entrenamiento del modelo. Los jailbreaks que circulan por internet dejaron de funcionar de forma fiable y su uso puede costarte la cuenta.

¿Qué es la abliteración de un modelo?

Es una técnica que identifica la dirección interna que el modelo activa cuando va a negarse y modifica sus pesos para anularla. El resultado es un modelo que ya no rechaza peticiones, sin haberlo reentrenado. No añade conocimiento ni mejora el modelo: solo le quita el reflejo de decir que no.

¿Un modelo sin filtros funciona peor?

Sí, algo. Las modificaciones sobre los pesos degradan el rendimiento en tareas normales, y la caída se nota más en modelos pequeños. Además pierdes matices útiles del alineamiento, como los avisos de riesgo y la cautela ante afirmaciones dudosas, no solo los rechazos que te molestaban.

¿Por qué un modelo descargado en local sigue negándose a algunas cosas?

Porque el alineamiento no es un filtro que rodea al modelo, es parte del propio modelo. Al descargarlo te llevas también su entrenamiento con preferencias humanas, así que sigue prefiriendo negarse aunque no haya ningún componente externo bloqueando nada. Para cambiar eso hay que modificar los pesos.

¿Es legal usar una IA sin filtros?

Ejecutar un modelo abierto en tu ordenador y configurarlo como quieras es legal. Lo que no cambia es la responsabilidad sobre lo que hagas con el resultado: si el contenido que produces es ilícito, lo es igual que si lo hubieras escrito tú. La herramienta no traslada la responsabilidad.

¿Una IA sin filtros es más privada?

No por sí misma. La privacidad viene de ejecutar el modelo en local, donde tus datos no salen de tu equipo, no de haber quitado los filtros. Un servicio web que se anuncie como "sin filtros" sigue procesando tus conversaciones en el servidor de otra persona.

¿Qué alternativa hay si solo quiero que la IA no me sermonee?

Cambiar de modelo y escribir un buen prompt de sistema resuelve la mayoría de casos. Un modelo abierto estándar ejecutado en local, con instrucciones claras sobre el tono y sobre no añadir advertencias, se comporta como quieres sin necesidad de modificar nada ni perder calidad.

¿Cuándo tiene sentido de verdad usar un modelo sin filtros?

En investigación de seguridad de modelos, en dominios profesionales donde el alineamiento sobrefiltra —medicina, derecho penal, seguridad informática— y en escritura de ficción con temas adultos o violentos. Fuera de eso, la mayoría de la gente que lo busca en realidad quiere un modelo menos moralizante, y eso se consigue sin romper nada.