ES ▾
Obtener clave de API

Mejor LLM sin censura para ejecutar localmente en 2025 frente a una API alojada

El mejor LLM sin censura para ejecutar localmente en 2025 es el más grande que tu memoria pueda contener a una velocidad decente. Este artículo muestra cómo dimensionar esa elección, cómo se ve la herramienta y dónde una API alojada es el camino más fácil.

Actualizado

Ilustración isométrica de una torre de GPU local conectada a un servidor en la nube por un cable brillante, comparando LLMs locales y alojados

Puntos clave

  1. La memoria lo decide todo: un modelo de 4 bits necesita aproximadamente medio gigabyte por mil millones de parámetros, más espacio para el contexto.
  2. Ollama, LM Studio y llama.cpp todos ejecutan modelos locales y la mayoría exponen un endpoint estilo OpenAI.
  3. Una API alojada te ofrece una gran ventana de contexto y sin hardware, pero solo un modelo y sin ajustes finos.
  4. Puedes escribir un cliente que cambie entre local y alojado modificando la URL base.

Empieza con crédito de prueba

Correo y contraseña; la clave aparece al instante en pantalla.

Obtener clave de API

Respuesta corta: dimensiona según tu memoria

Si buscas el mejor LLM sin censura para ejecutar localmente en 2025, no hay un único ganador que nombrar, y desconfía de las listas que afirman uno. Nuevos ajustes finos aparecen cada pocas semanas, los rankings cambian y un modelo que es excelente para narrar historias puede ser mediocre para código. Una mejor pregunta es qué modelo se adapta a tu máquina y tu tarea.

Trabaja en este orden. Primero, encuentra cuánta memoria rápida tienes: VRAM en una GPU, o memoria unificada en un Mac con Apple Silicon. Segundo, elige la familia de modelos más grande que quepa en esa memoria con cuantización de 4 bits dejando espacio para el contexto. Tercero, elige una variante sin censura de esa familia, es decir, un ajuste fino o versión modificada que se haya entrenado para dejar de rechazar solicitudes ordinarias lícitas. Cuarto, pruébalo con tus propios prompts durante una hora. Esa prueba te dice más que cualquier tabla de clasificación.

Qué significa "sin censura" para un modelo de pesos abiertos

Los modelos suelen entrenarse en dos etapas. Un modelo base aprende de un enorme corpus de texto, y una segunda etapa de ajuste de instrucciones le enseña a seguir solicitudes y a rechazar algunas. Una variante sin censura se produce modificando esa segunda etapa: ajuste fino en datos con rechazos eliminados, o editando los pesos para que el modelo deje de producir comportamiento de rechazo. Los miembros de la comunidad publican muchas de estas variantes de familias abiertas populares.

Dos cosas se derivan de esto. Sin censura no significa más inteligente. Eliminar rechazos a veces cuesta un poco de calidad, y el tamaño y el entrenamiento del modelo base importan mucho más que la etiqueta. Y sin censura no significa sin ley. El punto es que un adulto puede trabajar en ficción, roleplay o investigación sin que un modelo le haga una lección, no que todo vale. Cualquier cosa que involucre contenido sexual con menores de edad está estrictamente prohibido, y un proveedor o herramienta responsable lo dirá.

Regla general de memoria

La cuantización almacena cada peso en menos bits. A 4 bits, un modelo ocupa aproximadamente medio gigabyte por mil millones de parámetros, y eso es antes de la caché de contexto, que crece con la longitud de tu conversación. Estos son números aproximados de planificación, no garantías, ya que los diferentes formatos de cuantización varían.

Tamaño del modeloMemoria aprox. a 4 bitsHardware típico
7 a 8Baprox. 5 GBGPU de 8 GB, o un portátil con 16 GB de RAM
13 a 14Baprox. 9 GBGPU de 12 GB
32 a 34Baprox. 20 GBGPU de 24 GB, o un Mac con 32 GB o más
70Baprox. 40 GBdos GPUs grandes, o un Mac con 64 GB o más

El contexto es el coste oculto. Un modelo que cabe en un chat de 4.000 tokens puede quedarse sin memoria cuando le das una historia de 30.000 tokens. Las configuraciones locales a menudo limitan el contexto muy por debajo de lo que el modelo admite, y los contextos largos también ralentizan la generación. Si tu proyecto depende de recordar una conversación larga o un documento grande, tenlo en cuenta cuando compares con una opción alojada con una ventana de 100.000 tokens.

Herramientas para ejecutar modelos en tu propia máquina

No necesitas compilar nada a mano para empezar. Estas son las opciones comunes.

  • Ollama. Una herramienta de línea de comandos que descarga y sirve modelos. Expone un endpoint compatible con OpenAI en tu máquina, lo que facilita apuntar código existente a ella.
  • LM Studio. Una aplicación de escritorio con un navegador de modelos, una ventana de chat y un modo de servidor local. Bueno si prefieres una interfaz gráfica.
  • llama.cpp. El motor C++ detrás de muchas de estas herramientas. Te da el mayor control sobre la cuantización, la descarga de capas entre CPU y GPU, y el tamaño del contexto, al precio de más indicadores para aprender.
  • vLLM y servidores similares. Dirigidos a servidores GPU que manejan varios usuarios a la vez. Excesivo para un escritorio único, útil si ejecutas tu propio despliegue pequeño.

La mayoría de estos pueden cargar archivos GGUF, un formato común para modelos cuantizados. Elige un nivel de cuantización del nombre del archivo: los números más bajos son más pequeños y rápidos pero menos precisos, y 4 bits es el punto de partida habitual.

Dónde encaja una API alojada y dónde no

Una API alojada intercambia tu hardware por el de otra persona. Este servicio ofrece un modelo de pesos abiertos, ejecutado por un proveedor independiente y ajustado para responder sin rechazos de contenido para uso adulto lícito. No es la API oficial de ningún proveedor de modelos, y no es un enrutador que te permita elegir entre modelos.

Razones para elegir alojado

  • No necesitas comprar, enfriar ni mantener actualizada una GPU. Envías una petición y recibes tokens.
  • Una ventana de contexto de 100.000 tokens, prompt y completado combinados, sin dimensionar memoria para ello.
  • Streaming, llamadas a funciones y modo JSON a través de la interfaz estándar de OpenAI, para que los SDK y clientes existentes funcionen después de cambiar la URL base y la clave.
  • Precios de pago por uso: $0.15 por 1M de tokens de entrada y $0.50 por 1M de tokens de salida, desde un crédito prepago que no caduca.
  • Los prompts no se utilizan para entrenamiento.

Razones para permanecer local

  • Quieres los pesos en disco. Una API alojada nunca te dará eso.
  • Necesitas trabajar sin conexión o tus datos no pueden salir de la máquina bajo ningún concepto.
  • Quieres elegir entre varios modelos o ejecutar tu propio ajuste fino. Esta API sirve un único modelo, solo texto, y no ofrece ajuste fino.
  • Ya posees el hardware adecuado y tu volumen es lo suficientemente alto como para que el costo marginal de un token local sea cercano a cero.

Coste: electricidad y hardware frente a tokens

Lo local no es gratis una vez que cuentas la máquina. Una forma sencilla de comparar es preguntarte cuántos tokens tendrías que generar antes de que poseer una GPU sea más rentable que pagar por token.

En el lado alojado, la aritmética es sencilla. Una sesión de roleplay de 50 turnos con 2,000 tokens de entrada y 400 tokens de salida por turno utiliza 100,000 tokens de entrada y 20,000 tokens de salida. El costo de entrada es 0.1 x $0.15 = $0.015. El costo de salida es 0.02 x $0.50 = $0.01. Toda la sesión cuesta $0.025, dos centavos y medio.

A ese ritmo, $20 de crédito pagan 800 sesiones así. Una GPU capaz de ejecutar un modelo de 32B cuesta mucho más que $20, por lo que el punto de equilibrio depende enteramente de cuánto la uses. Para un usuario ocasional, la versión alojada suele ser mejor. Para alguien que genera texto todo el día, todos los días, el hardware local puede amortizarse, y para ellos lo local es la mejor opción. Para la parte de la electricidad, multiplica el consumo de tu GPU por las horas de uso y tu tarifa local; no cotizamos una aquí porque varía ampliamente.

La página de precios muestra los montos actuales de recarga y bonificaciones, que van del +5% en $50 al +15% en $200.

Un único cliente para ambos: cambia con la URL base

No tienes que elegir un lado permanentemente. Como Ollama y esta API hablan el formato de chat de OpenAI, un único script puede usar cualquiera de los dos. Establece tres variables de entorno y tu código no cambia.

import os
from openai import OpenAI

client = OpenAI(
    base_url=os.getenv("LLM_BASE_URL", "https://api.uncensoredllmonline.com/v1"),
    api_key=os.getenv("LLM_API_KEY", "YOUR_KEY"),
)
model = os.getenv("LLM_MODEL", "uncensored")

resp = client.chat.completions.create(
    model=model,
    messages=[{"role": "user", "content": "Write the opening paragraph of a gothic mystery."}],
)
print(resp.choices[0].message.content)

Para probar contra un ejecutor local, establece LLM_BASE_URL a la dirección que imprime tu ejecutor (Ollama usa http://localhost:11434/v1 por defecto), establece LLM_MODEL al nombre del modelo que descargaste, y usa cualquier placeholder para la clave. Si los quitas, el script se comunica con la API alojada con el ID de modelo uncensored.

Este patrón te permite prototipar contra un modelo local de 8B gratis, luego comparar la salida contra el modelo alojado con los mismos prompts. La guía de inicio rápido tiene la lista completa de parámetros admitidos, y una nueva cuenta puede reclamar un crédito de prueba de $0.50 desde la página de claves de API para ejecutar esa comparación sin pagar.

Preguntas y respuestas

¿Cuál es el mejor LLM sin censura para 8 GB de VRAM?

Un ajuste fino sin censura de una familia de 7 a 8 mil millones de parámetros en cuantización de 4 bits es la opción habitual. Prueba dos o tres variantes con tus propios prompts, porque la calidad difiere entre ajustes finos más de lo que sugiere la etiqueta de tamaño.

¿Es privado un modelo local sin censura?

El prompt permanece en tu máquina mientras lo ejecutas localmente, siempre que la herramienta que uses no envíe telemetría. Revisa la configuración del ejecutor específico que instales.

¿Puedo ejecutar el modelo detrás de esta API localmente?

No. La API sirve un único modelo a través de un endpoint alojado y no distribuye pesos. Si necesitas archivos en disco, usa un modelo de pesos abiertos de un repositorio público.

¿Necesita un modelo alojado un caché de contexto grande como uno local?

Eso se maneja en el lado del proveedor. Obtienes una ventana de 100,000 tokens que cubre prompt y completado juntos, y pagas solo por los tokens que envías y recibes.

¿Es uncensored lo mismo que ilegal?

No. Describe un modelo ajustado para no rechazar solicitudes adultas legales. El contenido que involucra a menores de edad nunca está permitido en este servicio.

Tu clave está a un formulario de distancia

Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.

Obtener clave de APILeer la documentación