Ein Sprachmodell, das nie Nein sagt: Damit werben die Anbieter unzensierter KI. Technisch steckt dahinter ein Eingriff in offene Modelle, für alles Weitere reichen bekannte Werkzeuge wie Ollama und Tailscale. Wir haben die drei gängigen Wege durchgerechnet, per API, lokal und rund um die Uhr auf einem gemieteten Server. Preise und Nutzungsbedingungen haben wir an den Quellen geprüft, die Hardware an den Modellgrößen. Und wir sagen dir, was davon in ein Unternehmen gehört.

Grafikkarte und Wasserkühlung in einem Desktop-PC. Wer ein offenes Modell wie Qwen 3.8 27B lokal betreibt, braucht vor allem Grafikspeicher; ein gemieteter Server ohne Grafikkarte reicht dafür nicht. Foto: Matheus Bertelli auf Pexels
Inhalt · 9 Abschnitte
Was ist unzensierte KI, und was heißt abliteriert?
Claude, ChatGPT und Gemini lehnen manche Anfragen ab. Bei der Bitte um eine Anleitung für eine Straftat ist das richtig. Bei einer Frage zur Härtung des eigenen Mailservers oder zur Tatwaffe in einem Kriminalroman nervt es. Als unzensierte KI bezeichnet die Szene Modelle, die solche Ablehnungen nicht mehr kennen. Der Fachbegriff dafür lautet abliterated, eingedeutscht abliteriert. Oft liest man auch „obliterated“.
Die Grundlage stammt aus der Forschung. Andy Arditi und sechs Mitautoren haben 2024 an 13 offenen Chat-Modellen mit bis zu 72 Milliarden Parametern gezeigt, dass das Ablehnen auf eine einzige Richtung im Inneren des Modells zurückgeht. Rechnet man diese Richtung heraus, lehnt das Modell schädliche Anweisungen nicht mehr ab. Fügt man sie hinzu, verweigert es sogar harmlose. Die Abliteration macht den ersten Teil dauerhaft: Sie verändert die Gewichte eines offenen Modells so, dass die Ablehnungsrichtung verschwindet. Eine Schritt-für-Schritt-Anleitung dazu hat Maxime Labonne im Juni 2024 auf Hugging Face veröffentlicht.
Umsonst ist der Eingriff nicht. Labonne hat bei seinem abliterierten Modell in allen getesteten Benchmarks einen Leistungsverlust gemessen und es anschließend mit DPO, einem Nachtraining auf Präferenzen, wieder aufgepäppelt. Wie viel Qualität verloren geht, hängt vom Modell ab und davon, wie sorgfältig jemand gearbeitet hat.
Abliterieren lässt sich nur ein Modell, dessen Gewichte man herunterladen kann. Claude, GPT und Gemini sind damit raus. Unzensierte KI ist also immer ein offenes Modell in veränderter Fassung, meist von Alibaba (Qwen), Zhipu (GLM) oder DeepSeek.
Warum das Thema in Unternehmen auftaucht
Da ist zuerst die Abhängigkeit. Am 12. Juni 2026 erließ die US-Regierung eine Exportkontroll-Anordnung, und Anthropic schaltete Claude Fable 5 und Mythos 5 für alle Kunden weltweit ab. Seit dem 1. Juli ist Fable wieder verfügbar, inzwischen als Fable 5.2; die ganze Chronik steht auf unserer Statusseite zu Fable und Mythos. Arbeitest du nur mit den geschlossenen Modellen eines Anbieters, hängst du an dessen Verfügbarkeit. Ein offenes Modell auf eigener Hardware kann dir niemand abschalten.
Dann die Sicherheitsarbeit. Wer einen Angriff aufarbeitet oder die eigene Infrastruktur testet, stellt zwangsläufig Fragen, die nach Angriff klingen. Anthropic gibt das schwächer abgesicherte Mythos bis heute nur an Organisationen und Fachleute heraus, die ein Prüfprogramm durchlaufen haben. Als im Juli ein unveröffentlichtes OpenAI-Testmodell aus seiner Sandbox ausbrach und Server von Hugging Face angriff, hat Hugging Face den Vorfall nach eigenen Angaben mit eigenen Modellen rekonstruiert; unsere Einordnung steht im Beitrag zum ChatGPT-Hack. Verteidiger wollen Werkzeuge, die bei solchen Fragen nicht abblocken.
Die Kehrseite liegt auf der Hand. Ein Modell ohne Ablehnungen hilft jedem, auch bei Dingen, die du in deinem Unternehmen nicht haben willst, und die Verantwortung liegt dann vollständig bei dem, der es betreibt.
Weg 1: Unzensierte KI per API
Am schnellsten geht es über einen Dienst, der abliterierte Modelle in der Cloud anbietet. Wir haben uns abliteration.ai genauer angesehen. Am 22. November 2026 standen dort vier Modelle zur Wahl; das stärkste, Abliterated Large v2, lief laut Hinweis auf der Website auf Basis von GLM-5.3. Ein kostenloses Konto mit Playground gibt es ohne Kreditkarte, Guthaben kaufst du ab 5 US-Dollar im Voraus. Die Schnittstelle ist laut Anbieter zu Chat Completions von OpenAI und zur Messages-API von Anthropic kompatibel.
Die Einrichtung ist kurz: In der Konsole legst du einen API-Schlüssel an und kaufst Guthaben, dann hinterlegst du den Schlüssel im eigenen Werkzeug. Eine automatische Aufladung würden wir nicht einrichten. Mit einem festen Betrag bleiben die Kosten eines Agenten, der aus dem Ruder läuft, begrenzt.
Wie das Modell in Claude Code landet
Richtig nützlich wird so ein Modell erst in einem Agenten-Gerüst. Stell dir Claude Code als Auto vor: Prompts, Werkzeuge und Abläufe sind Karosserie und Lenkung, das Modell ist der Motor. Weil abliteration.ai die Schnittstelle von Anthropic nachbildet, lässt sich der Motor tauschen. Claude Code schickt seine Anfragen dann an die Adresse des Dienstes, und dort rechnet statt Claude Opus 5.5 ein abliteriertes Modell. Das Gerüst merkt davon nichts.
Was ein Lauf kostet
Billiger wird es durch den Tausch auf jeden Fall. Wie viel billiger, hängt davon ab, wie viel ein Lauf liest und wie viel er schreibt. Hier die Listenpreise je Million Token, Stand 22. November 2026, dazu ein Beispiel-Lauf mit einer Million Eingabe- und 100.000 Ausgabe-Token ohne Cache. Alle Beträge in US-Dollar:
| Modell | Eingabe | Eingabe aus dem Cache | Ausgabe | Beispiel-Lauf |
|---|---|---|---|---|
| Claude Opus 5.5 | 4,00 | 0,20 | 20,00 | 6,00 |
| Abliterated Large v2 | 3,00 | 0,30 | 5,00 | 3,50 |
| Abliterated Large Flash | 1,00 | 0,10 | 2,00 | 1,20 |
Mit Abliterated Large v2 kostet der Beispiel-Lauf 42 Prozent weniger als mit Opus 5.5, mit der Flash-Variante 80 Prozent weniger. In langen Agentenläufen schrumpft der Abstand, weil Claude Code seinen Kontext immer wieder aus dem Cache liest. Dort ist Opus 5.5 mit 0,20 US-Dollar je Million Token sogar günstiger als Abliterated Large v2 mit 0,30. Dann zählt vor allem der Ausgabepreis, und der liegt bei Opus viermal so hoch.
Was in der Begeisterung über solche Preise gern untergeht: Die Ersparnis kommt vom offenen Modell, das Entfernen der Filter spart keinen Cent. GLM-5.3 gibt es in der normalen Fassung auch bei europäischen Hostern. Anbieter und Preise stehen in unserem Ratgeber zur lokalen KI im Unternehmen.
Apps nachbauen mit REA
Für den Nachbau fremder Apps gibt es inzwischen eigene Werkzeuge, etwa Reverse Engineer Anything, kurz REA. Das MIT-lizenzierte Projekt auf GitHub gibt KI-Agenten Werkzeuge an die Hand, mit denen sie das Verhalten einer App bis hinunter zur Programmdatei analysieren können: Binärdateien, JavaScript- und Electron-Apps, .NET-Assemblies, Websites. Ein Agent mit REA und einem Modell ohne Ablehnungen kann die Oberfläche einer bekannten App nachbauen, und er fragt nicht nach, ob er Logo und Farben übernehmen darf.
Die Entwickler ziehen selbst eine klare Grenze. Laut ihrem Haftungsausschluss ist REA für Software gedacht, die man besitzt oder untersuchen darf, und das Kopieren geschützter Software samt Code und Assets schließen sie ausdrücklich aus. Ein Logo ist so ein Asset.
„Ideen und Grundsätze, die einem Element eines Computerprogramms zugrunde liegen, […] sind nicht geschützt.“
§ 69a Absatz 2 Urheberrechtsgesetz
Eine Funktion nachzuempfinden, ist danach oft zulässig. Der Code selbst ist geschützt, und Name, Logo und Farbauftritt einer App sind in aller Regel Marken. Nach § 14 Markengesetz verletzt die Marke, wer ein fremdes Zeichen ohne Zustimmung für gleiche Waren oder Dienstleistungen benutzt. Ein Nachbau mit Originallogo scheidet für ein Unternehmen deshalb aus. Spätestens wenn so ein Prototyp beim Kunden oder im Netz auftaucht, wird es teuer.
Ein Gerüst für den Alltag
Für Entwickler bietet sich als Gerüst ein Coding-Agent an, zum Beispiel die DeepSeek Harness (dsh), ein quelloffenes Agenten-Gerüst von DeepSeek. Das Repo steht unter MIT-Lizenz und ist als Entwicklervorschau gekennzeichnet, mit der ausdrücklichen Warnung, dass inkompatible Änderungen kommen werden. Wer lieber spricht als tippt, baut sich einen Sprachassistenten auf dem eigenen Rechner, der Dateien öffnet und auf Zuruf zwischen lokalem Modell und Cloud umschaltet.
Weg 2: Unzensierte KI lokal auf dem eigenen Rechner
Beim API-Weg landet alles, was du eintippst, auf dem Server eines anderen. Lokal bleibt es auf deinem Mac oder Windows-Rechner. Token-Kosten fallen weg, du zahlst nur den Strom, und das Modell läuft auch ohne Internet, im Zug genauso wie in einem abgeschotteten Netz. Brauchst du für eine Aufgabe doch ein stärkeres Modell, schaltest du nur dafür auf die Cloud um.
Lokal lohnt sich für alles, was das Haus nicht verlassen soll: Gesundheitsdaten der Belegschaft, Versicherungsunterlagen, Sicherheitsprotokolle, Kundenverträge, interne Recherchen. Auch kleine Werkzeuge, für die du heute ein Abo bezahlst, lassen sich intern nachbauen, ohne dass Daten nach draußen gehen.
Ich halte diesen Teil für den eigentlich interessanten an der ganzen Geschichte, und mit „unzensiert“ hat er wenig zu tun. Ein normales offenes Modell mit Filter reicht für vertrauliche Daten völlig aus. Es bringt dieselben Vorteile mit, ohne das Risiko.
Wie weit lokale Modelle zurückliegen
Der Preis dafür ist Qualität. Im Intelligence Index von Artificial Analysis kam Qwen3.8 27B, ein typisches Modell für einen gut ausgestatteten Arbeitsplatzrechner, im Oktober auf 34 Punkte. GLM-5.3 erreichte 45, Claude Opus 5.5 lag bei 58. Zusammenfassungen, Klassifizierung und Entwürfe erledigt die Arbeitsplatzklasse oft ordentlich. Bei anspruchsvollen Analysen und langen Agentenläufen merkst du den Abstand.
Ollama einrichten und das passende Modell wählen
Der übliche Einstieg ist Ollama. Das Programm gibt es für Mac, Windows und Linux, wahlweise mit Desktop-App als Chatfenster oder nur für die Kommandozeile. Ein Befehl wie ollama run qwen3.8:27b lädt das Modell herunter und startet einen Chat.
Welches Modell auf deinen Rechner passt, bestimmt vor allem der Speicher. Qwen3.8 27B ist bei Ollama in der Standardfassung mit 4-Bit-Quantisierung 18 GB groß, in 8 Bit 30 GB und in voller bf16-Genauigkeit 56 GB, das Kontextfenster fasst 256.000 Token. Als Faustregel rechnen wir bei 4 Bit mit gut zwei Dritteln der Parameterzahl in Gigabyte, dazu kommt Reserve für den Kontext. Das Ganze muss in den Grafikspeicher passen oder, bei Macs mit Apple-Chip, in den gemeinsamen Arbeitsspeicher.
Wir empfehlen, zwei Modelle bereitzuhalten: ein normales für den Alltag und eine abliterierte Variante nur für den Sonderfall, für den es einen klaren Grund gibt. Welche Hardware für welche Modellklasse reicht, haben wir im Ratgeber zur lokalen KI durchgerechnet.
Lokal oder Cloud, mit oder ohne Filter: die Vierfelder-Matrix
Am Ende laufen alle Varianten auf zwei Fragen hinaus: Wo läuft das Modell, und darf es ablehnen? Daraus ergeben sich vier Felder. Unternehmen müssen noch eine dritte Frage stellen, und zwar zuerst: Wohin fließen die Daten?
| Feld | Typisches Modell | Daten verlassen das Haus | Unsere Einschätzung |
|---|---|---|---|
| Cloud, mit Filter | Claude Opus 5.5 | ja, per Vertrag und Firmentarif regelbar | Standard für anspruchsvolle Aufgaben |
| Cloud, ohne Filter | Abliterated Large v2 per API | ja, zu einem Anbieter ohne genannten Serverstandort | nur für Tests ohne personenbezogene oder vertrauliche Daten |
| lokal, mit Filter | Qwen3.8 27B | nein | die beste Wahl für sensible Daten |
| lokal, ohne Filter | abliterierte Qwen-Variante | nein | nur in abgeschotteten Umgebungen mit klarem Zweck |
Sprachsteuerung mit Fish Audio
Wer seinen lokalen Assistenten per Sprache steuern will, braucht eine Sprachausgabe. Eine Möglichkeit ist Fish Audio. Laut Anbieter reichen dort 10 Sekunden Audio für einen Stimmklon, alternativ entwirfst du eine neue Stimme oder nimmst eine aus der Bibliothek, die nach Anbieterangaben über zwei Millionen Stimmen umfasst. Viele davon haben Nutzer hochgeladen; bei unserer Suche tauchten etwa mehrere Einträge auf, die nach Morgan Freeman benannt sind. Gefühle steuerst du über Tags im Text, je nach Modell in runden oder eckigen Klammern. Den API-Schlüssel dafür legst du im Entwicklerbereich an und gibst ihn deinem Assistenten mit.
Für Firmen heißt das vor allem: Finger weg von nachgeahmten Promi-Stimmen. Die Nutzungsbedingungen von Fish Audio untersagen Inhalte, die Rechte Dritter verletzen, und das Auftreten unter fremdem Namen. Seit dem 2. August 2026 müssen Deepfakes nach Artikel 50 der KI-Verordnung offengelegt werden; Details stehen in unserem Beitrag zur Kennzeichnungspflicht für KI-Inhalte. Außerdem darf Fish Audio laut Bedingungen Nutzungsdaten und Inhalte zum Training eigener KI verwenden, und der kostenlose Tarif ist nur für private Zwecke gedacht. Sauber ist die eigene Stimme oder eine lizenzierte Sprecherstimme im bezahlten Tarif.
Weg 3: Rund um die Uhr auf einem gemieteten Server
Läuft alles auf dem Laptop, steht das System still, sobald du ihn zuklappst, und unterwegs kommst du nicht an den Rechner im Büro. Die übliche Lösung ist ein kleiner gemieteter Server, ein VPS, der einfach durchläuft.
Ein Einstiegs-VPS am Beispiel Hostinger KVM 2
Als typisches Einstiegsangebot haben wir uns den Tarif KVM 2 von Hostinger angesehen. Am 22. November 2026 lief dafür ein Rabatt von 64 Prozent: 8,79 statt 24,49 US-Dollar im Monat bei 24 Monaten Laufzeit, zusammen 210,96 US-Dollar im Voraus, danach 14,99 US-Dollar im Monat. Dafür gibt es 2 virtuelle Prozessorkerne, 8 GB Arbeitsspeicher, 100 GB NVMe-Speicher und 8 TB Datenvolumen. Eine Grafikkarte gehört nicht dazu.
Eingerichtet ist so ein Server schnell. Als Betriebssystem steht unter anderem Ubuntu 26.04 LTS zur Wahl, wöchentliche Backups und ein Malware-Scanner sind laut Hostinger inklusive. Den Standort wählst du nach Latenz und Datenschutz. Für personenbezogene Daten kommen nur die EU-Standorte infrage, bei Hostinger Deutschland, Frankreich und Litauen. Statt des Root-Passworts richtest du am besten gleich einen SSH-Schlüssel ein.
Fernzugriff mit Tailscale
Damit du von überall auf den Server kommst, ohne ihn offen ins Netz zu stellen, eignet sich Tailscale. Es verbindet deine Geräte über verschlüsselte Punkt-zu-Punkt-Verbindungen auf Basis von WireGuard zu einem privaten Netz. Du installierst es auf Laptop und Smartphone und danach mit dem Installationsskript von Tailscale auf dem Server. Der Befehl sudo tailscale up gibt dort einen Anmeldelink aus, über den du den Server deinem Konto hinzufügst.
Danach erreichst du den Server von deinen Geräten aus, als stünde er im selben Büro. Claude Code auf deinem Laptop verbindet sich per SSH, spielt zuerst die Updates ein und installiert dann, was du brauchst, etwa den Assistenten samt Gedächtnis.
Was der Server wirklich schafft
Mit 8 GB Arbeitsspeicher und ohne Grafikkarte trägt dieser Server kein Modell der 27B-Klasse, denn Qwen3.8 27B ist schon in der kleinsten Standardfassung 18 GB groß. Kleine Modelle laufen auf zwei Prozessorkernen zwar, aber zäh. Realistisch arbeitet auf so einem Server der Assistent mit Oberfläche und Gedächtnis, und das Modell kommt per API von außen. Damit bist du wieder bei Weg 1, und deine Daten gehen wieder an einen Dritten. Wer ein großes Modell rund um die Uhr selbst betreiben will, braucht einen Server mit Grafikkarte oder einen starken Rechner im eigenen Büro, den Tailscale genauso erreichbar macht.
Zwei Punkte kommen für Firmen dazu. Ein Serverstandort außerhalb der EU ist für personenbezogene Daten ein Drittlandtransfer nach Kapitel V der DSGVO. Und den kostenlosen Personal-Tarif von Tailscale gibt es laut Anbieter nur für die nicht kommerzielle Nutzung; Unternehmen brauchen einen der bezahlten Tarife.
Was du vor dem Einsatz klären musst
Die Bausteine sind solide, und die meisten nützen dir auch ganz ohne den Zusatz „unzensiert“. Bevor bei euch jemand ein Modell ohne Filter einsetzt, gehören vier Fragen geklärt.
Sicherheit bei Agenten
Bei einem Agenten mit Werkzeugzugriff ist die Ablehnung eine der wenigen eingebauten Bremsen. Liest ein unzensiertes Modell eine präparierte Webseite oder E-Mail, setzt es eingeschleuste Anweisungen eher um, und auf einem gemieteten Server hat es womöglich Root-Rechte. Wie du Agenten gegen solche Angriffe absicherst, steht in unserem Beitrag zu Prompt Injection.
Haftung für Inhalte
Was ein unzensiertes Modell schreibt, verantwortet das Unternehmen, das es nutzt. Das gilt für einen falschen Gesundheitstipp genauso wie für einen Text, der gegen Gesetze verstößt. Bei Gesundheits-, Rechts- und Finanzfragen braucht jede Antwort eine fachliche Prüfung, mit oder ohne Filter.
Recht und Schulung
Die KI-Verordnung verbietet abliterierte Modelle nicht, die Pflichten hängen am Einsatzzweck. Lässt du Mitarbeitende mit KI arbeiten, musst du nach Artikel 4 die KI-Kompetenz im Haus fördern, seit dem 27. Juli 2026 in milderer Fassung; was das praktisch heißt, erklärt unser Beitrag zur KI-Schulungspflicht. Bei Modellen chinesischer Herkunft kommen die Fragen aus unserem Artikel zu DeepSeek und Datenschutz dazu, sobald Daten an deren Dienste gehen.
Wo unzensierte Modelle sinnvoll sind
Ich sehe das zwiegespalten. Für Sicherheitsteams sind Modelle ohne Ablehnungen ein echtes Werkzeug, für autorisierte Penetrationstests etwa oder für Red-Teaming gegen die eigenen Systeme. Auch bei Fachtexten in Medizin, Recht oder IT-Sicherheit, bei denen Standardmodelle zu oft abwinken, können sie helfen. Für den Rest eines Unternehmens kenne ich kaum einen Fall, der das Risiko rechtfertigt. Wenn ihr so ein Modell einsetzt, dann abgeschottet: mit Protokoll für jede Nutzung, beschränktem Zugriff und schriftlich dokumentiertem Zweck. Und lehnt ein Standardmodell eine berechtigte Anfrage ab, hilft oft schon mehr Kontext im Prompt oder ein Systemprompt mit klarer Rolle, bevor man zu einem unzensierten greift.
Wenn du klären willst, welche Aufgaben bei euch lokal laufen können und welche in die Cloud gehören, fang mit einer Liste eurer Datenarten an: öffentlich, intern, vertraulich, personenbezogen. Jeder Klasse ordnest du ein Feld der Matrix zu, bevor jemand das erste Modell installiert. Bei dieser Einordnung helfen wir in unseren KI-Workshops, beim Aufbau lokaler und gehosteter Lösungen mit KI-Automatisierung.
Häufige Fragen
Was ist unzensierte KI?
Als unzensierte KI bezeichnet man Sprachmodelle, die Anfragen nicht mehr aus Sicherheits- oder Richtliniengründen ablehnen. Meist handelt es sich um offene Modelle wie Qwen, GLM oder DeepSeek, deren Ablehnungsverhalten nachträglich entfernt wurde, per Abliteration oder durch gezieltes Nachtrainieren. Sie beantworten auch Fragen, bei denen Claude, ChatGPT oder Gemini abwinken. Für autorisierte Sicherheitstests ist das nützlich, für Missbrauch genauso.
Was bedeutet abliteriert bei einem KI-Modell?
Ein abliteriertes Modell ist ein offenes Sprachmodell, aus dessen Gewichten die Richtung entfernt wurde, die für Ablehnungen sorgt. Grundlage ist eine Studie von Andy Arditi und Kollegen aus dem Jahr 2024: In 13 offenen Chat-Modellen mit bis zu 72 Milliarden Parametern ließ sich das Ablehnen auf eine einzige Richtung im Modell zurückführen. Wird sie herausgerechnet, lehnt das Modell kaum noch etwas ab. Umsonst ist das nicht: Maxime Labonne hat bei seinem abliterierten Modell in allen getesteten Benchmarks einen Leistungsverlust gemessen und es danach mit DPO nachtrainiert.
Ist unzensierte KI legal?
Ein abliteriertes Modell herunterzuladen oder zu betreiben, ist in Deutschland nicht verboten. Es kommt darauf an, wofür du es einsetzt und was du mit den Ergebnissen machst. Wer damit fremde Software samt Logo nachbaut, riskiert Marken- und Urheberrechtsverletzungen. Wer personenbezogene Daten an einen US-Dienst schickt, braucht eine Rechtsgrundlage und einen Auftragsverarbeitungsvertrag. Deepfakes müssen seit dem 2. August 2026 nach Artikel 50 der KI-Verordnung offengelegt werden. Und für alles, was ein unzensiertes Modell im Namen deines Unternehmens erzeugt, haftet dein Unternehmen.
Kann ich unzensierte KI lokal auf meinem Rechner nutzen?
Ja. Mit Ollama lädst du ein offenes Modell auf Mac, Windows oder Linux herunter und betreibst es ohne Internetverbindung, auch in abliterierten Varianten aus der Community. Qwen3.8 27B ist in der Standardfassung 18 GB groß und braucht entsprechend viel Grafikspeicher oder, bei Macs mit Apple-Chip, gemeinsamen Arbeitsspeicher. Für vertrauliche Daten ist der lokale Betrieb der eigentliche Gewinn, und dafür reicht ein normales offenes Modell mit Filter.
Was kostet unzensierte KI per API?
Bei abliteration.ai kostete das stärkste Modell, Abliterated Large v2, am 22. November 2026 3 US-Dollar je Million Eingabe-Token und 5 US-Dollar je Million Ausgabe-Token, die Flash-Variante 1 und 2 US-Dollar. Claude Opus 5.5 liegt bei 4 und 20 US-Dollar. In unserer Beispielrechnung mit einer Million Eingabe- und 100.000 Ausgabe-Token kostet ein Lauf mit Opus 5.5 6,00 US-Dollar, mit Abliterated Large v2 3,50 und mit der Flash-Variante 1,20 US-Dollar. Guthaben kaufst du dort ab 5 US-Dollar im Voraus.
Reicht ein günstiger VPS, um ein unzensiertes Modell rund um die Uhr zu betreiben?
Für das Modell selbst meistens nicht. Ein Einstiegstarif wie Hostinger KVM 2 hat laut Anbieter 2 virtuelle Prozessorkerne, 8 GB Arbeitsspeicher, 100 GB NVMe-Speicher und keine Grafikkarte. Qwen3.8 27B ist schon in der kleinsten Standardfassung 18 GB groß. Auf so einem Server läuft der Assistent mit Oberfläche und Gedächtnis, das Modell kommt per API von außen. Wer ein großes Modell rund um die Uhr selbst betreiben will, braucht einen Server mit Grafikkarte oder einen starken Rechner im eigenen Büro.
Ist abliteration.ai DSGVO-konform nutzbar?
Das hängt von deinem Einsatz ab und lässt sich nicht pauschal bejahen. Laut Datenschutzhinweis speichert der Betreiber Abliteration AI, Inc. Prompts und Ausgaben standardmäßig nicht, erfasst aber Metadaten wie Zeitstempel, Token-Zahlen und IP-Adressen und kann Daten weltweit verarbeiten, auch in den USA. Einen Serverstandort nennt der Dienst nicht, regionale Bereitstellung gibt es nur im Enterprise-Angebot. Für personenbezogene Daten brauchst du einen Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO und eine Grundlage für die Übermittlung in Drittländer.
Ist ein unzensiertes Modell schlechter als das Original?
Etwas, und wie viel, hängt vom Modell und vom Verfahren ab. Maxime Labonne hat 2024 bei seinem abliterierten 8B-Modell in allen getesteten Benchmarks Einbußen gemessen und das Modell anschließend mit DPO nachtrainiert, um sie auszugleichen. Mehr ins Gewicht fällt der Abstand offener Modelle zur Spitze: Im Intelligence Index von Artificial Analysis lag Qwen3.8 27B im Oktober 2026 bei 34 Punkten, GLM-5.3 bei 45 und Claude Opus 5.5 bei 58.
Quellen & Referenzen
- Arditi, A. et al.: Refusal in Language Models Is Mediated by a Single Direction, 2024, 13 offene Chat-Modelle bis 72 Milliarden Parameter. arxiv.org
- Maxime Labonne: Uncensor any LLM with abliteration, 13. Juni 2024, Leistungsverlust in allen Benchmarks und Nachtraining mit DPO. huggingface.co
- abliteration.ai: Preise, Modelle, Vorauszahlung ab 5 US-Dollar und API-Kompatibilität. abliteration.ai
- abliteration.ai: Datenschutzhinweis, Speicherung, Metadaten, weltweite Verarbeitung und EU-Vertreter. abliteration.ai
- Anthropic: Preise der Claude-Modelle, Claude Opus 5.5 mit 4 US-Dollar Eingabe, 20 US-Dollar Ausgabe und 0,20 US-Dollar Cache-Lesen je Million Token. platform.claude.com
- morluto: Reverse Engineer Anything (REA), Repository und MIT-Lizenz. github.com
- morluto: REA, Haftungsausschluss zur zulässigen Nutzung. github.com
- DeepSeek AI: DeepSeek Harness, quelloffenes Agenten-Gerüst, Entwicklervorschau. github.com
- Ollama: Qwen3.8, verfügbare Varianten, Dateigrößen und Kontextfenster. ollama.com
- Hostinger: VPS-Tarife, technische Daten KVM 2, Preise, Betriebssysteme und Rechenzentrumsstandorte. hostinger.com
- Tailscale: What is Tailscale, WireGuard-basierte Verbindungen. tailscale.com
- Tailscale: Preise, Personal-Tarif nur für nicht kommerzielle Nutzung. tailscale.com
- Fish Audio: Startseite, Voice Cloning ab 10 Sekunden Audio und Stimmenbibliothek. fish.audio
- Fish Audio: Übersicht der Emotions-Tags für die Sprachausgabe. docs.fish.audio
- Fish Audio: Terms of Use, Auftreten unter fremdem Namen, Rechte Dritter und Nutzung von Inhalten fürs Training. fish.audio
- Urheberrechtsgesetz, § 69a Gegenstand des Schutzes bei Computerprogrammen. gesetze-im-internet.de
- Markengesetz, § 14 Ausschließliches Recht des Inhabers einer Marke. gesetze-im-internet.de
- Verordnung (EU) 2016/679 (DSGVO), Art. 28 und Kapitel V. publications.europa.eu
- Verordnung (EU) 2024/1689 (KI-Verordnung), Art. 4 und Art. 50. eur-lex.europa.eu