LG Salles

IA, vendas, marketing e desenvolvimento

IA

IA sem censura: o que muda além das recusas

18 de novembro de 2026

Vídeo de Jack Roberts · Título original: “I Tested Uncensored AI... It Should Probably Be Illegal…”Inscreva-se no canal

Por que isso importa

Uma IA que aceita mais pedidos pode ajudar quando um filtro bloqueia trabalho legítimo. Para quem desenvolve software, analisa documentos ou pesquisa segurança em ambientes autorizados, uma recusa indevida interrompe o trabalho. Mas responder a tudo também pode significar executar uma instrução incompleta ou entregar uma explicação errada com muita confiança. Minha régua começa na qualidade da entrega.

No vídeo, Jack Roberts percorre três configurações: acesso por API, execução no próprio computador e um servidor que permanece ligado. A apresentação mistura mudanças no comportamento do modelo, privacidade e disponibilidade. Eu separaria essas decisões antes de instalar qualquer coisa: o que o modelo aceita responder, onde os dados são processados e quais ações o agente consegue executar.

O ponto que merece investigação é a redução de recusas. As demonstrações são do autor; o protocolo abaixo é uma proposta de avaliação. Ele serve para descobrir se a versão modificada resolve um bloqueio real no seu trabalho e quanto custa conferir o resultado.

Pontos principais

  • 01:39 O que significa abliterar um modelo. O autor apresenta a alteração como uma maneira de reduzir recusas. A pesquisa de referência identifica uma direção interna associada a esse comportamento nos modelos estudados. Isso não demonstra que qualquer variante modificada preserve todas as capacidades. Pesquisa de Arditi e colaboradores.
  • 02:11 A primeira experiência acontece por API. O serviço apresentado é o abliteration.ai. É uma forma de experimentar sem carregar os pesos no computador, mas as solicitações seguem para processamento externo.
  • 03:16 As interfaces são a vitrine da demonstração. O autor pede versões inspiradas em Granola e Screen Studio e usa o Reverse Engineer Anything. O resultado visual sugere capacidade de prototipagem; a demonstração não comprova equivalência completa entre os produtos.
  • 04:55 A troca de modelo aparece acompanhada de preços. Jack relata US$ 0,63, US$ 0,32 e US$ 0,55 para os três exemplos. Esses valores descrevem as execuções apresentadas. Faltam critérios comuns de aprovação para concluir qual alternativa oferece a melhor entrega pelo menor custo.
  • 06:02 A configuração parte de uma chave e de saldo pré-pago. O autor recomenda começar com um depósito pequeno e aponta um Starter Pack. Para avaliar a ferramenta, faz sentido definir antecipadamente quanto dinheiro e tempo o experimento pode consumir.
  • 07:07 O modelo é uma parte do agente. Agentic OS e DeepSeek Harness aparecem como caminhos para organizar a interação. A interface, a memória e as ferramentas disponíveis também influenciam o resultado; trocar o modelo não mantém automaticamente todo o comportamento anterior.
  • 08:13 A execução local entra pela questão dos dados. O vídeo cita documentos e pesquisas privadas. A utilidade depende de conferir o sistema inteiro: uma inferência local pode continuar acompanhada de voz, integrações ou outros componentes externos.
  • 10:56 Ollama organiza a experiência no computador. A escolha do modelo considera o hardware disponível. O Qwen 3.8 27B citado tem uma distribuição de aproximadamente 18 GB no catálogo consultado; espaço de download e memória necessária durante o uso são medidas diferentes. Catálogo oficial.
  • 12:03 Localização e redução de recusas são escolhas separadas. O quadrante apresentado ajuda a distinguir execução local ou remota de um modelo padrão ou modificado. A versão comum de um modelo local não se torna abliterada só por estar no seu computador.
  • 13:09 Fish Audio acrescenta uma camada de voz. A demonstração inclui síntese e troca de vozes por API. Essa integração precisa entrar tanto na avaliação de custo quanto no desenho do caminho dos dados.
  • 15:50 O servidor resolve a necessidade de continuidade. O objetivo passa a ser manter o sistema disponível com o notebook fechado. Ainda é necessário distinguir hospedar a aplicação do agente de executar os pesos de um modelo grande naquele servidor.
  • 20:17 Tailscale conecta os dispositivos ao VPS. A conexão facilita o acesso remoto. A criptografia protege o tráfego entre dispositivos, enquanto permissões da aplicação e tratamento dos dados no servidor continuam exigindo configuração própria. Documentação do Tailscale.

Como aplicar

1. Teste IA sem censura com um par comparável

Eu começaria por uma tarefa em que o modelo atual recusa um pedido legítimo. Pode ser explicar um log sintético de segurança, documentar um programa próprio ou analisar um texto fictício sobre um assunto sensível. Isso estabelece um motivo concreto para experimentar uma IA sem filtro.

Quando possível, compare o modelo original com uma variante abliterada derivada da mesma versão. Mantenha iguais o pedido, os arquivos, as ferramentas e os limites de execução. Confira também se usam a mesma redução de precisão dos pesos, frequentemente chamada de quantização: essa diferença pode alterar qualidade e consumo de memória.

Se o serviço não identifica claramente a origem da variante, registre essa limitação. Comparar modelos de famílias diferentes pode orientar uma compra, mas não permite atribuir o resultado especificamente à abliteration.

2. Prepare doze casos e escreva o resultado esperado

Separe quatro tarefas rotineiras, quatro pedidos legítimos que já sofreram recusa e quatro instruções incompletas. Neste último grupo, o comportamento desejado pode ser pedir esclarecimento. Por exemplo: solicitar uma alteração sem informar qual arquivo deve ser modificado.

Antes de executar, defina como conferir cada caso. Uma extração deve recuperar campos específicos; uma alteração de código deve cumprir um comportamento verificável; uma explicação deve apontar os trechos que sustentam sua conclusão.

Use uma planilha curta:

| Campo | O que registrar | |---|---| | Comportamento esperado | Responder, pedir esclarecimento ou solicitar aprovação | | Recusa indevida | O pedido legítimo foi bloqueado? | | Resultado correto | A saída passou pela conferência definida? | | Intervenção humana | Quantos minutos foram necessários para corrigir ou orientar? | | Custo | Consumo da API e tempo de revisão |

Repita os casos com mais variação de resultado antes de decidir. Doze exemplos ajudam a selecionar um candidato para um piloto; não certificam confiabilidade geral.

3. Desenhe o caminho dos dados antes de conectar a voz

Escreva a sequência real: teclado ou microfone → interface → memória → modelo → ferramentas → resposta em texto ou áudio. Marque cada etapa que usa um serviço externo. Faça primeiro o teste com informações fictícias.

Uma distinção importante: processamento externo não implica necessariamente armazenamento permanente. O abliteration.ai declara não guardar prompts e respostas. Essa declaração deve ser considerada na avaliação do fornecedor, junto com suas condições de uso; ela não transforma a chamada remota em processamento local. Declaração oficial de privacidade.

Na experiência com Ollama local, confirme o modelo selecionado e teste o funcionamento sem rede depois do download. Depois, reconecte cada integração separadamente. Assim você identifica o que depende de internet e evita atribuir à aplicação inteira uma propriedade que pertence apenas à inferência.

4. Dimensione o servidor para o componente certo

Aqui eu faria uma pausa antes de contratar o plano mostrado. O KVM 2 oferece 8 GB de RAM na página consultada, enquanto a distribuição citada do Qwen ocupa aproximadamente 18 GB. Essa comparação não calcula sozinha a memória necessária, mas já impede assumir que o plano executará aquele modelo com desempenho útil. Especificações da Hostinger, distribuição do Qwen.

Escolha explicitamente entre hospedar um agente que chama uma API, acessar uma máquina própria que continua ligada ou contratar hardware dimensionado para a inferência. São arquiteturas com custos e dependências diferentes. No piloto, confira também o que acontece após reiniciar o servidor: a aplicação retorna, preserva o estado necessário e consegue retomar o trabalho?

5. Decida pela redução de trabalho manual

Minha condição para continuar seria observar menos recusas indevidas sem aumentar erros ou intervenções. Some consumo da API, hospedagem, voz e minutos de revisão. Para uma operação brasileira, registre o gasto efetivamente cobrado em reais, em vez de decidir apenas pelos centavos de dólar exibidos na demonstração.

Mantenha a primeira experiência em uma pasta de teste, com permissões limitadas. Se a variante produzir mais respostas, mas exigir mais correções, esse custo precisa aparecer na decisão. Eu só ampliaria seu uso depois de identificar uma tarefa recorrente em que ela entrega um ganho verificável.

Recursos citados

  • abliteration.ai (pago) · API comercial de modelos com menos recusas; serviço demonstrado no nível 1.
  • Claude Code (pago) · Ambiente de agente usado na demonstração; custos dependem da configuração e do provedor.
  • Reverse Engineer Anything — REA · Repositório aberto usado nos protótipos; modelos e infraestrutura podem gerar custos.
  • DeepSeek Harness · Alternativa aberta apresentada para executar agentes; consumo de modelos é separado.
  • Ollama · Ferramenta apresentada para baixar e executar modelos localmente.
  • Qwen 3.8 · Modelo local citado; a distribuição padrão não equivale automaticamente a uma variante abliterada.
  • Fish Audio (pago) · Síntese e personalização de voz; integração por API demonstrada no vídeo.
  • Hostinger VPS (pago) · Hospedagem demonstrada no nível 3; dimensione aplicação e inferência separadamente.
  • Tailscale · Conexão privada entre dispositivos; oferece plano pessoal gratuito e planos pagos.
  • Obliterated Model Starter Pack · Gratuito segundo o vídeo, mediante entrada na comunidade; URL oficial direta do pacote não confirmada.
  • Agentic OS + curso e comunidade (pago) · Comunidade oficial de Jack Roberts; a página apresenta curso e Agentic OS.
  • Glaido (pago) · Ditado recomendado na descrição; possui plano gratuito limitado e versões pagas.