En 2026, esta escena dejó de ser un experimento de nicho. Una comunidad activa de desarrolladores ha empujado los modelos de pesos abiertos (open weights) hacia un terreno que parecía exclusivo de las grandes tecnológicas: la intimidad artificial sin filtros corporativos. La oportunidad es tangible, real y está al alcance de cualquiera con el hardware adecuado. Sin embargo, la promesa de “sin filtros y sin nube” no hace desaparecer la política del deseo; simplemente, la desplaza al escritorio del usuario.
La promesa viral y el peaje de la realidad
Uno de los mensajes más representativos de esta tendencia es un post viral en X de la cuenta @alizeh_ai. Promociona un modelo de rol 18+ (Dark-Craving-26B) con un mantra que resume el sueño de esta comunidad: “no subscription, no filter, no cloud. this uncensored 18+ roleplay model runs fully on your pc. open weights. FREE” (Sin suscripcion, sin filtro, sin nube. Este roleplay sin censura +18 corre totalmente en tu PC.)
no subscription, no filter, no cloud. this uncensored 18+ roleplay model runs fully on your pc 😳
open weights. FREEE
-26B MoE, only ~4B active, so it’s light to run
-GGUF quants ready (Q4_K_M, Q6_K, Q8_0)
-adults only, 18+ roleplay tunedtry it here: https://t.co/2kdY5Fvi5L https://t.co/QBGRz3lKFJ
— Alizeh (@alizeh_ai) October 30, 2026
La promesa es embriagadora: intimidad artificial sin dueño, sin cuotas y sin miradas indiscretas. Y, contra todo pronóstico, es real. No se trata de ciencia ficción tecnológica: el modelo existe en Hugging Face y es capaz de correr en ordenadores de consumo. Pero el tuit, como todo buen anuncio, omite la letra chica. La distancia entre esa promesa y lo que ocurre al hacer clic es, precisamente, el mapa de la nueva infraestructura del deseo. Un mapa cambia rápido: lo que en octubre era la versión 0.1, hoy puede ser la 3.0, con comportamientos y términos distintos.
La ruta tangible: así se construye la burbuja
El salto de calidad de los modelos locales ha sido vertiginoso. El Dark-Craving-26B del tuit utiliza una arquitectura MoE (Mixture of Experts). Es un caso particular de eficiencia: de sus 26 mil millones de parámetros totales, solo activa alrededor de 4 mil millones durante la inferencia.
Ojo con las cuentas de la memoria. Que solo se activen 4B no significa que el modelo ocupe el espacio de un 4B. Los 26B de pesos deben estar disponibles en la memoria (VRAM o RAM) para que el sistema funcione rápido. Según la documentación de Google para Gemma 4, la estimación para la versión base en cuantización Q4_0 ronda los 14,4 GB, sin contar el contexto ni otros recursos. Por eso, una GPU de entrada de 6-8 GB no moverá este modelo específico con comodidad: esas tarjetas están pensadas para modelos más pequeños (8B-12B) o para configuraciones que descargan parte del modelo a la RAM (con la consiguiente pérdida de velocidad).
La ruta para lograr la independencia se divide en tres pasos:
- El motor: Instalar LM Studio (interfaz gráfica) u Ollama (aplicación y servicio local que cuenta tanto con interfaz gráfica como con terminal).
- El cerebro: Descargar el modelo en formato GGUF desde Hugging Face.
- La interfaz: Conectar el motor a SillyTavern (la opción más popular para roleplay) o usar KoboldCpp (que, a diferencia de SillyTavern, es en sí mismo un motor de inferencia con su propia interfaz web).
Cómo se conectan (el famoso “enchufe”): SillyTavern se abre en tu navegador y, en sus ajustes, le indicas la dirección local de tu motor. Para LM Studio, suele ser http://localhost:1234/v1; para Ollama, http://localhost:11434. En el caso específico de Dark-Craving, sus desarrolladores advierten que es obligatorio usar el modo Chat Completion (y no Text Completion), o el modelo responderá de forma extraña.
El ingrediente final es la character card. Un archivo (a menudo una imagen PNG con metadatos) que define quién es el personaje: su nombre, personalidad, trasfondo y primeros mensajes. Es lo que separa un chatbot genérico de una escena con consistencia.
Cómo se ve una sesión real (y su primera fricción)
Una vez configurado, la experiencia se parece más a escribir una novela interactiva que a programar. Cargas la tarjeta, defines un system prompt básico y escribes tu primera acción.
“Eres Elara, una bibliotecaria cínica en el Chicago de los años 20. Responde en primera persona y no rompas el personaje.”
Usuario: “Entro a la biblioteca cerrada por la noche y te encuentro leyendo a la luz de una vela.”
Eso sí, el primer intento suele tener fricción. Es común que el personaje se salga del papel o ignore el tono. La solución está en ajustar la temperatura (el parámetro que controla la creatividad) y refinar el system prompt. Aprender a domar esos ajustes toma una tarde. Y aunque el modelo sea local, no es magia obviamente: si su alineación base es muy estricta, aún puede generar rechazos ante ciertos escenarios. La diferencia es que ahora tú decides qué modelo usar, no una empresa.
El mito del “hermético”: dónde no es tan privado
El tuit promete “no cloud”, y acierta. Cuando se utilizan exclusivamente modelos locales, los prompts y las respuestas no viajan a los servidores de las aplicaciones, de acuerdo con sus políticas de privacidad. Esa es la gran diferencia frente a ChatGPT o Claude.
Pero “local” no es sinónimo de “100 % hermético”. Hay fisuras que la comunidad suele pasar por alto. La descarga deja huella: por ejemplo en este caso, Hugging Face registra la solicitud (repositorio, fecha, región, agente de usuario) y, en modelos con acceso restringido, puede compartir tu nombre de usuario con el creador. Al llegar al repositorio, el primer filtro visible es una advertencia: “Not For All Audiences”.
En cuanto al software, LM Studio no incorpora telemetría de uso según su política oficial; sus conexiones se limitan a buscar modelos y comprobar actualizaciones. Ollama sí contempla la recopilación de metadatos limitados (dispositivo, descargas) y ofrece servicios en la nube que se pueden desactivar.
El riesgo real está en el disco. Los historiales de SillyTavern se guardan principalmente en archivos de texto legible (formato JSONL, con el TXT reservado para exportaciones) y el sistema genera copias de seguridad automáticas por defecto. Quien tenga acceso físico a la máquina, o logre introducir un malware, podrá leerlos. Y el riesgo no siempre es externo: el propio usuario puede exportar un fragmento a Discord para pedir ayuda o sincronizar la carpeta de SillyTavern con OneDrive sin pensarlo.
El día que vuelve el Wi-Fi
El test definitivo de la privacidad local ocurre el día que el cable de red vuelve a su sitio. Al recuperar la conexión, la burbuja no estalla automáticamente, pero sí se agrieta. Las aplicaciones buscan actualizaciones y el sistema operativo hace lo suyo. Si las character cards o los historiales están en carpetas sincronizadas, existe el riesgo de que suban a la nube de Microsoft o Apple. Y si durante la desconexión se instaló algo dudoso, el malware inactivo encuentra la puerta abierta.
La moderación está en tus propias manos
El tuit celebra la ausencia de filtros. Al eliminar al moderador corporativo, el espejo gira hacia el usuario. Ahora toca asumir el rol de administrador de sistemas, programador del system prompt, diseñador de la escena y responsable legal dependiendo de la jurisdicción y el uso.
Y aquí surge una paradoja reveladora. Los propios desarrolladores de Dark-Craving reconocen en su ficha que el modelo no ha sido sometido necesariamente a un proceso de abliteration (eliminación de rechazos) y que parte del comportamiento restrictivo del modelo base (Gemma 4) permanece intacto. Es decir, un modelo comercializado como uncensored puede seguir rechazando ciertas solicitudes. El filtro corporativo desaparece, pero el filtro inscrito en los pesos durante el entrenamiento original sigue ahí.
A eso se suma una tensión legal. El modelo invoca la licencia Apache 2.0 (que permite uso comercial), pero sus autores añaden condiciones adicionales: uso personal, no lucrativo y solo para adultos. ReadyArt señala que las condiciones particulares de cada ficha prevalecen sobre las generales. Aunque no está claro si estas restricciones adicionales son legalmente exigibles, demuestran que descargar los pesos no te hace dueño absoluto de las reglas.
La combinación de pesos abiertos, cuantización GGUF y herramientas maduras ha convertido lo que antes era un nicho técnico en una alternativa viable a las plataformas centralizadas. Pero la verdadera libertad que ofrece este ecosistema no reside en tener una máquina mágica que nunca toca internet, sino en el control para decidir qué se conecta, cuándo y a dónde. Donde antes había un moderador corporativo, ahora hay un usuario que elige qué modelo descarga, qué telemetría desactiva y qué historial conserva. La privacidad no viene incluida en el archivo que se descarga: se configura, se mantiene y se puede romper. Esa es la oportunidad y, al mismo tiempo, su límite.
