Humanizer 12B: un reescritor local de textos de IA y lo que dicen en realidad sus propias cifras

Cronología

1. 11 de septiembre de 2026

   El repositorio humanizer aparece en Hugging Face. La ficha describe un modelo de 12B, afinado a partir de google/gemma-4-12B y publicado bajo Apache 2.0, que reescribe borradores escritos por IA en inglés y chino para que se lean como si los hubiera escrito una persona, conservando cada número, unidad, fecha, nombre y cita.

   jialinyyzz/humanizer model card

2. 2 de octubre de 2026

   El autor ejecuta Originality.ai en su ajuste más estricto sobre 210 reescrituras en inglés hechas con los pesos bf16: 11 se marcan como IA, frente a 26 de la versión anterior. La ficha subraya que no se usó ningún detector de IA en ningún momento del entrenamiento.

   humanizer model card, Evaluation details

3. 4 de octubre de 2026

   Desde esta fecha, cada archivo GGUF guarda en sus metadatos los ajustes de muestreo recomendados e incluye una plantilla de chat que construye el prompt del modelo a partir del último mensaje del usuario, de modo que interfaces de chat como el endpoint de chat de llama-server pueden manejar un modelo que en realidad es una herramienta de completado de texto.

   humanizer model card, Prompt format

Qué es y qué no es

La mayoría de las herramientas que se venden como «humanizadores de IA» son formularios web. Esta es un modelo que se descarga. La ficha describe un reescritor de 12B parámetros que toma un borrador escrito por un modelo de lenguaje y lo reescribe para que se lea como si lo hubiera escrito una persona, en inglés y en chino. El objetivo de diseño se resume en una sola restricción: conservar cada número, unidad, fecha, nombre y cita, y no añadir nada. Se ejecuta en local, hay una aplicación para Mac con chip Apple y para Windows, y la ficha documenta además las vías llama.cpp, MLX, transformers, vLLM y Ollama. El modelo está afinado a partir de google/gemma-4-12B, y tanto los pesos como el código están bajo Apache 2.0.

No es un chatbot. La ficha es enfática: es completado de texto, sin prompt de sistema ni marcadores de turno: envías una instrucción fija, una línea en blanco, tu borrador, un separador y las palabras «Rewritten:», y dejas que el modelo continúe. La ficha indica detenerse solo en el fin de secuencia, nunca en una cadena de parada, y usar temperatura 1,0 y top-p 0,95 con top-k y min-p desactivados, porque los valores por defecto de llama.cpp y la configuración de generación incluida interferirían en caso contrario. Esa meticulosidad es señal de una herramienta hecha para un único trabajo.

Cómo se hizo, según el autor

El relato de entrenamiento de la ficha es lo bastante detallado como para poder comprobarse, algo raro. La primera fase fue un afinado supervisado con 28 598 pares, cada uno con un borrador escrito por un modelo de lenguaje emparejado con un original humano real; el lado humano se describe como resúmenes de artículos, informes gubernamentales, ensayos de estudiantes, correos de empresa y de listas de correo, Reddit, Hacker News y Zhihu. La segunda fase fue un entrenamiento de preferencias con 3 918 pares elegidos solo por fidelidad a los hechos y copia, juzgados por un LLM. La tercera fue aprendizaje por refuerzo en tres rondas que suman 500 pasos, con un juez de hechos estricto de voto único en los primeros 200 y dos rondas de 150 después; cada paso usó 16 borradores con 8 muestras cada uno.

La recompensa combinaba un juez LLM, que leía cada reescritura frente a su borrador y penalizaba errores graves, contenido inventado, significado alterado y formato perdido, con una penalización por copiar los 5-gramas y los esqueletos de frases del borrador. La ficha dice que los datos detrás de cada fila usada para la segunda versión están publicados en un conjunto de datos complementario. Y hace una afirmación que importa para leer el titular: no se usó ningún detector de IA en ningún momento del entrenamiento, ni como recompensa, ni como filtro, ni para elegir un checkpoint.

El titular: 95 % juzgado humano

El titular de la ficha dice que el 95 por ciento de 210 reescrituras en inglés fueron juzgadas humanas por Originality.ai en su ajuste más estricto el 2 de octubre: 11 se marcaron como IA, frente a 26 de la versión anterior, una diferencia que la ficha presenta como estadísticamente significativa con datos emparejados. También compara con una referencia pública, una skill humanizadora con unas 53 mil estrellas en GitHub, aplicada por Claude Sonnet a 60 de los mismos borradores, donde los 60 fueron marcados. El nuevo modelo, con los mismos 60, tuvo 4 marcados.

Tres razones para tomar esa cifra con cautela, todas aportadas por la propia ficha. Es un solo detector en una sola fecha, y la ficha dice que los detectores cambian y que nada garantiza ningún resultado ante un detector. Los borradores de evaluación proceden del conjunto reservado del autor, escritos por tres modelos de frontera en proporciones aproximadamente iguales, por lo que dicen poco sobre, por ejemplo, una entrada de blog que empezó un humano y pulió una IA. Y los géneros más formulaicos siguen siendo los más difíciles: el desglose de la ficha muestra las publicaciones sociales con emojis y hashtags en 3 marcadas de 16 y los memorandos de política formales en 2 de 13, mientras que correos, entradas de blog, publicaciones de Reddit y reseñas de producto no tuvieron ninguna marcada.

Las cifras que la ficha pone sobre la mesa

Las cifras más útiles son las de los hechos. Un juez LLM estricto no encontró ningún problema factual en 376 de 420 reescrituras en inglés; las otras 44 fueron marcadas, con 135 problemas en total, 125 de ellos en una sola palabra o expresión. El ejemplo de la ficha es un borrador que decía «The remaining 37 complaints» y salió como «The other 37% of complaints». En chino el panorama es más débil: ningún problema factual en 149 de 204 reescrituras. La versión anterior obtuvo 369 de 420 en inglés y 135 de 204 en chino, de modo que la tendencia es buena y el nivel absoluto no es perfecto.

La ficha también lista modos de fallo que no tienen que ver con los hechos. 28 de las 420 salidas en inglés perdieron un elemento de formato, como una lista o un título. Los borradores en inglés cortos e informales con jerga técnica vuelven en ocasiones escritos por completo en chino, un fallo que la aplicación y la herramienta de línea de comandos detectan y reintentan. En géneros coloquiales, a veces añade jerga o palabrotas que no estaban en el borrador. Y los ejemplos de antes y después de la ficha son selecciones: la mejor de ocho muestras entre las que pasó el juez de hechos.

Hay incluso una auditoría del juez. Un segundo juez releyó 150 reescrituras que el primero había marcado como graves; coincidió en que el problema era grave en 99 casos, lo calificó de menor en 41 y encontró el hecho sin cambios en 10. La conclusión de los autores es que algunas marcas son reformulaciones inofensivas, y aun así te dicen que leas números, fechas y nombres antes de enviar.

Por qué eso importa más que el 95 %

Una herramienta que acierta casi siempre con los números cambiará uno, con suficientes documentos. La ficha lo dice: lee el resultado antes de enviarlo. Ese es el coste real de usarla, y la razón por la que el hábito de la herramienta de línea de comandos de marcar cualquier fragmento donde falta un número vale más que unos puntos de puntuación de detector. Las cifras de velocidad ayudan a fijar expectativas: en un M5 Max, la configuración llama.cpp de la aplicación funciona a unos 36 a 38 tokens por segundo, así que un correo de cien palabras tarda unos 3,6 segundos y un correo chino de unos 300 caracteres unos 8,5.

La ficha también es explícita sobre la ética. Describe la herramienta como una herramienta de escritura para tus propios borradores y dice que, si un colegio, un empleador o una publicación tiene normas sobre la asistencia de IA, debes seguirlas. Estamos de acuerdo, y iríamos más lejos: una reescritura que solo evade un detector no ha mejorado el borrador de partida. La versión de esta herramienta que merece la pena querer es la que hace que un borrador rígido se lea como de una persona, con sus hechos intactos, en tu propio equipo.

Si solo quieres una opción alojada

Nuestro directorio lista Grammarly AI Humanizer, una herramienta alojada gratuita que convierte texto de IA en escritura natural conservando el significado. Es otro trato: sin instalación ni hardware local, pero tu texto va a un servicio. Para decidir cuál de los archivos de este modelo cabe en tu equipo, consulta qué archivo de humanizer para 8, 16 o 32 GB.

Nuestra opinión

Es un lanzamiento bien documentado con la debilidad del género: la afirmación que más gente repetirá es la menos relacionada con la calidad que importa. Usa las cifras de comprobación de hechos, no la del detector, para decidir si encaja con tu trabajo. Si escribes documentos llenos de números, reserva tiempo para revisar cada reescritura. Si escribes ensayos y correos con pocos datos duros, el riesgo es menor y el beneficio es una voz más natural.

Sigue leyendo

Todos los artículos, del más reciente al más antiguo, están en el índice del blog de Front.

• Humanizer 12B: qué GGUF cabe en tu memoria: Los requisitos de memoria de cada archivo GGUF del mismo modelo.
• Ling 3.1 Flash: qué hace falta para ejecutarlo: El hardware necesario para ejecutar Ling 3.1 Flash.
• Grok 4.8: lo que xAI ha dicho en realidad: Las publicaciones de xAI de Grok 4.5 a 4.7 y las declaraciones sobre la 4.8.
• Cronología de Google Argon: El lanzamiento de Gemini 4 Argon por Google, registrado por fechas.

Preguntas frecuentes

Registro de cambios

• 17 de octubre de 2026 — Primera publicación.

Fuentes

• jialinyyzz/humanizer model card
• Grammarly AI Humanizer