DeepSeek sin censura: 5 proveedores y un router

Qué es un modelo abliterated y por qué ahora tiene un router propio

Un modelo abliterated es un LLM al que se le extirpó su mecanismo de rechazo: en vez de contestar "no puedo ayudarte con eso", responde. El término viene de la comunidad open source y combina ablate y obliterate.

Ahora AllModels dice que ya son cinco los proveedores de inferencia que sirven el mismo modelo abliterated de DeepSeek detrás de un único endpoint. Para un founder que construye sobre modelos abiertos, el dato relevante no es el modelo en sí: es que la capa de enrutamiento dejó de ser un problema de infraestructura que hay que resolver por cuenta propia.

Cómo funciona un router de modelos abliterated

La propuesta es la de siempre: una sola API, varios proveedores detrás. El router expone un ID público —deepseek/deepseek-v4.1-flash-abliterated— y reparte el tráfico entre las rutas compatibles. Lo mismo aplica a los despliegues abliterated de GLM 5.3: varios proveedores comparten un mismo ID de modelo.

Los detalles que importan a la hora de integrarlo:

• API compatible con OpenAI. Dos endpoints: POST /oai/chat/completions (mensajes, streaming, function tools) y POST /oai/responses (items de entrada, eventos de streaming, controles de razonamiento, salida estructurada, herramientas personalizadas y búsqueda web hospedada).
• Waterfall por defecto o proveedor explícito. Puedes dejar que el router elija la ruta o fijar un proveedor cuando el precio o el límite de tasa te importan.
• Fallback automático. Si un proveedor se queda sin capacidad, la petición cae al siguiente elegible sin cambiar el ID del modelo ni el código de la aplicación.
• Enrutamiento por tipo de contenido. Las peticiones de imagen y multimodales solo van a proveedores que realmente pueden leerlas; las de texto usan cualquier ruta de texto elegible.
• Enrutamiento por precio. El router mantiene los precios actualizados y puede mandar la petición a la opción elegible más barata a medida que entran nuevos proveedores.
• Búsqueda web hospedada en el router. La búsqueda se procesa en AllModels, no se delega al proveedor de inferencia. Así todos los modelos reciben las mismas llamadas compatibles con OpenAI y las mismas citas de URL, incluso cuando su proveedor no ofrece búsqueda.

Ese último punto es el menos obvio y el más útil: cuando la búsqueda vive en el router, no tienes que verificar proveedor por proveedor si soporta web_search.

Por qué existen los modelos abliterated (y qué cuestan)

La técnica tiene una explicación de referencia. En junio de 2024, el blog de Hugging Face publicó el artículo que la popularizó: el comportamiento de rechazo de un LLM está mediado por una única dirección en el flujo residual del modelo. Si se identifica esa dirección y se "ablate" —por intervención en inferencia o por ortogonalización de pesos—, el modelo pierde la capacidad de representarla y deja de negarse.

El costo es real y está documentado en el mismo artículo: la versión abliterated de un modelo de 8B bajó su rendimiento en todos los benchmarks frente al original. El autor advierte además que un ajuste fino supervisado adicional "lobotomizaría" el modelo, y propone un ajuste por preferencias (DPO) como alternativa más ligera para recuperar buena parte de la performance perdida.

Traducción para quien va a producción: un modelo abliterated no es gratis en calidad. Ganas libertad de respuesta y pagas con precisión.

La carrera por el peaje de la inferencia

El router de AllModels no aparece en el vacío. TechCrunch reportó en agosto de 2026 que Ramp —la plataforma de gestión de gastos corporativos— lanzó su propio servicio de enrutamiento de modelos, llamado Router. Está disponible solo en Estados Unidos, es gratis durante lo que resta de 2026 (el usuario sigue pagando la inferencia) y viene con un crédito de lanzamiento de US$26.

Router da acceso a modelos de OpenAI, Anthropic, DeepSeek, Moonshot, Minimax, Nvidia, xAI y Z.ai, y ofrece estrategias de enrutamiento: preferir tiers de uso flexibles, elegir modelo según hasta tres benchmarks definidos por el usuario, o mandar solo los problemas difíciles a los modelos caros. El medio señala además que Ramp sigue los pasos de Stripe, que también está montando su propio negocio de peaje sobre la inferencia de IA, y que Router funciona de forma parecida a OpenRouter, aunque este último ofrece muchas más opciones de modelos.

El patrón es claro: la inferencia se está convirtiendo en commodity y el valor se mueve a la capa que decide a quién le pagas por ella.

Qué significa esto para tu startup

1. Deja de hardcodear un proveedor. Si tu producto llama directamente a la API de un solo proveedor, cualquier caída de capacidad se convierte en una caída tuya. Un router con fallback automático te compra resiliencia sin reescribir integraciones: el ID del modelo no cambia cuando cambia el proveedor detrás.

2. Trata el enrutamiento por precio como una palanca de margen. Si tu producto tiene márgenes ajustados, la diferencia entre la ruta más cara y la más barata del mismo modelo es margen bruto. Empieza por medir cuánto gastas hoy por millón de tokens y con qué latencia, y recién después decide si vale la pena mover tráfico.

3. Separa la decisión técnica de la legal. Un modelo abliterated resuelve un problema de producto (respuestas que no se bloquean) y crea uno de cumplimiento. Antes de ponerlo en producción, define qué casos de uso sí y qué casos no, y documenta la decisión. La técnica es pública y legítima, pero la responsabilidad de lo que tu producto genera sigue siendo tuya.

4. Evalúa la calidad, no la etiqueta. Como muestra el artículo de Hugging Face, abliterar degrada benchmarks. Si vas a usar una variante sin censura, corre tu propia evaluación con tus prompts reales antes de asumir que se comporta igual que el modelo base.

Conclusión

Cinco proveedores detrás de un endpoint es una señal de madurez de mercado: la infraestructura de inferencia para modelos abiertos —incluidos los abliterated— ya se está organizando en capas, igual que pasó antes con el hosting o los pagos. Para un founder, la lectura práctica es que la decisión "¿qué modelo uso?" se está separando de la decisión "¿a quién le compro los tokens?". Aprovechar esa separación es más barato que construirla.

Fuentes

• AllModels — Abliterated models (fuente original)
• Ramp launches its own AI model router, called Router — TechCrunch
• Uncensor any LLM with abliteration — Hugging Face