Solo los datos personales,
en negro.
Noir es un LLM pequeño, solo para ocultar datos: recibe un documento y la indicación de lo que se quiere ocultar, y devuelve la lista de los fragmentos que corresponden. Permite tratar los documentos antes de que salgan, solo con la CPU de su empresa. Al desplazarse, una línea de luz recorre el documento.
JA担当の山田太郎です。お電話は03-0000-1234までお願いします。
ENPlease call Emily Carter at (555) 010-4477 before March 3.
DEFrau Anna Becker wohnt in der Lindenstraße 12, 10115 Berlin.
HRIvan Horvat (42 godine) javio je da je na bolovanju.
* Los textos, nombres y números son todos ficticios. La animación de arriba es una muestra grabada.
Indíquelo
con palabras corrientes.
«Datos personales», «datos de contacto», «pero sin la edad». Si lo indica como lo diría normalmente, cambia lo que se oculta en un mismo documento. Pulse los botones o, simplemente, mire.
Asunto: Comercial Muestra — Confirmación de su contrato
Comercial Muestra, Administración, a la atención de Carlos Herrera
Buenos días. Le escribe Laura Medina, de Neko Data, S. L.
Nos gustaría hablar de la renovación de su contrato el viernes 20 de noviembre. La cuota mensual sigue siendo de 480 €.
Nos han dicho que su responsable, Andrés Pardo (42 años), hoy no trabaja por un dolor lumbar.
Puede contactarnos en el 900 000 123 o en [email protected].
Envío a: Calle Ejemplo 12, 5.ª planta, Edificio Muestra, Villamuestra
* Este recuadro es una muestra que reproduce respuestas fijas (no se ejecuta el modelo real). Todos los textos son ficticios.
Frente a 120B,
no oculta de más.
Lo comparamos con gpt-oss-120b (117 000 millones de parámetros) dando las mismas instrucciones, con 100 documentos en japonés y 100 en inglés. Las hojas de arriba son ejemplos de cada tipo de error. Las barras de abajo indican con qué frecuencia se produjo: cuanto más cortas, mejor.
* Mediciones en una prueba creada por nosotros (noviembre de 2026, Q4_K_M, junto con reglas generales para correos, teléfonos, URL y fechas). Las condiciones detalladas, al final de la página.
Cuanto más vaga la indicación,
mayor la diferencia.
Una balanza compara cuántos datos se quedan sin ocultar. Baja el lado que más deja pasar. Cuando la indicación enumera los tipos con claridad, están igualados; cuando es vaga, como «datos personales», o lleva un «pero sin…», la diferencia crece.
Noir0%
gpt-oss-120b0%
* Suma de japonés e inglés. Tasa de omisiones (%, 1 casilla = 1 %). Reparto de las indicaciones: 69 con los tipos enumerados, 104 vagas y 27 con exclusión.
4 idiomas,
cada uno con sus resultados.
Hay un Noir específico para cada idioma (japonés e inglés lo comparten). En amarillo, las cifras mejores que las de gpt-oss-120b.
- En croata y en alemán, las omisiones son casi las mismas que las de gpt-oss-120b. La mayoría eran fechas y horas con formato europeo, como «02.11.2026» o «14:12 Uhr».
- Añadiendo dos reglas que detectan fechas y horas con este formato, las omisiones bajarían, según nuestro cálculo, del 31 al 23 % en croata y del 25 al 15 % en alemán, por debajo de gpt-oss-120b (24 % y 19 %). Está previsto incorporarlas al producto. previsto
Lo que devuelve
es JSON.
Devuelve una lista de lo que ha encontrado, agrupando lo que se refiere a lo mismo. Son las cadenas tal como aparecen en el documento, así que puede buscarlas en el texto y sustituirlas directamente.
El teléfono del Sr. Pardo es el 900 000 123
y su correo, [email protected].
- id: la misma persona o la misma cosa se agrupa en una sola entrada («Andrés Pardo» y «Pardo»).
- type: el nombre de una de las 48 etiquetas. Se devuelve en el idioma de la instrucción (en español, «nombre de persona»).
- mentions: las cadenas tal como aparecen en el documento. Si no hay nada que corresponda,
[].
Encuentra en el siguiente documento todo
lo que corresponda al objetivo. … (omitido)
La salida es solo un array JSON: [{"id": "E1",
"type": "...", "mentions": ["..."]}]
Objetivo:
datos personales, pero sin la edad
Método: enmascarar (sin replacements)
Documento:
(aquí, el documento)Un documento,
unos 20 segundos.
Reproducimos cómo lee un documento de unos 900 caracteres y devuelve los fragmentos que hay que ocultar, con la CPU de un portátil (sin GPU). La reproducción va a velocidad ×5; el reloj marca los segundos reales.
0.0sReproducción ×5
Leer el documentoEscribir los fragmentos
Fragmentos ocultados 0 / 0
- Indicación
- Nombre de persona, número de teléfono, correo electrónico y dirección
- Lectura
- Unos 140 tokens/s
- Escritura
- Unos 24 tokens/s
- Equipo
- Core i7-11800H, 8 hilos
- A esta velocidad, procesando uno tras otro, un solo equipo trata unos 170 000 caracteres por hora.
- Con GPU, procesando 16 a la vez, 100 documentos tardaron unos 20 segundos (gpt-oss-120b, unos 90). medición interna
* El documento y los fragmentos ocultados son una muestra (en esta página no se ejecuta ningún modelo). El tiempo se calcula a partir de las velocidades de lectura y escritura medidas internamente. Las distintas formas de nombrar a una misma persona se agrupan y se ocultan de una vez.
Se lo pasa en trozos
de 1000 caracteres.
Los documentos largos se cortan en bloques de unos 1000 caracteres y se pasan de uno en uno. Al ajustarse a la longitud que vio en el entrenamiento, se le escapan menos datos. Al final, los resultados se reúnen y se combinan con reglas que detectan los formatos fijos de correos, teléfonos, URL y fechas.
Arranque (llama.cpp)
llama-server -m noir-ja-en-Q4_K_M.gguf \ -c 16384 -t 8 -np 1 --jinja --port 8191
PublicadoDescargar los pesos →
- Se usa con el modo de razonamiento desactivado (
enable_thinking: false) ytemperature 0. - Elija el modelo según el idioma: ja-en para japonés e inglés, de-en para alemán y hr-en para croata.
- Con CPU (Core i7-11800H, 8 hilos), un bloque de 1000 caracteres tarda unos 20 segundos. medición interna
El mismo documento,
tachado según la instrucción.
Elija una instrucción y pruébela con un documento de muestra. Al cambiar la instrucción, cambia lo que se oculta en el mismo documento. También puede ver, tal cual, la instrucción que se envía al modelo y el JSON que devuelve.
1Elija un documento
2Elija una instrucciónSe ejecuta al elegirla
O elija usted los tipos
Instrucción enviada al modelo
JSON devuelto
[]
Cómo medimos
y cómo consultarnos.
- Documentos: 100 en cada idioma (japonés, inglés, alemán y croata). Son documentos ficticios creados para la prueba (correos, actas, notas de personal, facturas, información clínica…), con los fragmentos que deben ocultarse marcados como solución.
- Indicaciones: una por documento, de uno de estos tres tipos: «tipos enumerados», «expresión vaga» o «con exclusión». A gpt-oss-120b (reasoning effort medium) se le dio la misma instrucción.
- Medidas: omisiones = parte de la solución que quedó sin ocultar; excesos = parte de lo ocultado que no hacía falta; infracciones = parte de lo ocultado que era de tipos no indicados.
- Fecha: noviembre de 2026, Q4_K_M. Se revisará antes de la publicación oficial.