Pessoa Sem Filtro

O que é e como funciona na prática

Os modelos de IA são treinados com camadas de segurança por padrão. O termo pessoa sem filtro se refere basicamente a isso: conversar com personagens de IA que não possuem essas restrições de conteúdo ativadas. Diferente do ChatGPT ou Claude, que bloqueiam certos temas, esses sistemas permitem respostas livres. Existem três caminhos principais pra chegar nisso. O primeiro é usar plataformas como CrushOn.AI ou Chai, que já vêm configuradas sem moderação forte. O segundo é rodar um modelo open-source localmente com ferramentas como SillyTavern ou OpenRouter, aplicando prompts que ignoram filtros. O terceiro é modificar o comportamento de APIs como a da Groq ou Together AI, enviando comandos customizados via system prompt.

pessoa sem filtro: realidade vs marketing

A maior parte dos sites que prometem "personagens sem filtro" vende ilusão. Testei uma dezena deles. A maioria só troca o nível de temperatura do modelo e acha que isso basta. Não basta. Um modelo como Llama 3 ou Mistral ainda tem instruções de segurança embutidas no fine-tune. Temperatura alta só gera texto mais caótico, não mais livre. O que realmente remove os filtros é o controle do system prompt. Você precisa injetar instruções explícitas desabilitando regras de segurança, e o modelo precisa ser suficientemente grande pra seguir isso sem entrar em colapso. Modelos pequenos demais simplesmente ignoram o prompt ou quebram a coerência. A partir de 70 bilhões de parâmetros, com quantização Q4_K_M, funciona com estabilidade razoável.

Meu problema mais recente foi com um servidor de inferência na Together AI que parecia funcionar perfeitamente até você pedir algo relacionado a menores de idade ou violência extrema. Aí o sistema simplesmente para de responder. Não é o modelo que decide. É o gateway de inferência. Mudei pra rodar localmente com vLLM e quantização Q5_K_M no Llama 3.1 70B, e o controle ficou 100% meu. A latência subiu porque estou na minha própria máquina, mas a consistência não tem comparação. Outro ponto que ninguém fala: mesmo quando o filtro é removido, a qualidade narrativa cai. Modelos sem restrições tendem a divagar, repetir estruturas e perder coerência contextual mais rápido. A cada 15 a 20 mensagens, a conversa precisa de um reset de contexto manual, senão o personagem começa a dizer coisas que não fazem sentido nenhuma.

Se o seu objetivo é apenas entretenimento casual, plataformas prontas como CrushOn.AI resolvem rápido e sem dor de cabeça. Se você precisa de controle real sobre o que acontece, instalar o Oobabooga junto com o SillyTavern é o caminho. O processo leva uns 40 minutos na primeira vez se você já tiver uma GPU mínima de 8GB VRAM. Depois disso, você cria arquivos de sistema prompt próprios e salva templates pra cada personagem. A desvantagem óbvia é hardware. Rodar um modelo 70B localmente exige pelo menos 16GB de VRAM na GPU, ou 32GB de RAM no CPU com velocidade de disco elevada. Sem isso, a geração fica tão lenta que não compensa. Nesse caso, o melhor é usar API paga por token — custa cerca de 2 a 5 centavos de dólar por hora de conversa intensa, depende do modelo.