La frustrazione per risposte troppo educate, verbose e uniformi nei LLM è forse il motore meno raccontato dell'open source. Da questa irritazione nasce Qwen3.8-27B-Humanlike-Chat, un modello messo a punto da un creatore noto su Reddit come kvyb per imitare le conversazioni reali tra persone. Non è una corsa ai benchmark: l'obiettivo dichiarato è intervenire sulle abitudini conversazionali, togliendo la tendenza a spiegare ogni cosa, a concordare con l'interlocutore e a riempire il silenzio pur di mandare avanti il discorso.

Per provarci, kvyb ha costruito un dataset di 125.217 messaggi offuscati tratti da 1.396 conversazioni human-to-human e ha addestrato un LoRA rank-256 sopra Huihui-Qwen3.8-27B-abliterated, una variante della famiglia Qwen da 27 miliardi di parametri. La versione pubblicata è il checkpoint 863. Nei test informali, il risultato sembra meno assistente e più interlocutore: frasi più corte, meno rifinite, più naturali, anche senza system prompt.

Il punto delicato è il prezzo da pagare sul fronte dell'affidabilità. Un'iterazione precedente aveva totalizzato cinque punti percentuali in meno rispetto al modello genitore Huihui su IFEval, un benchmark di instruction following. Il creatore non ha ripetuto quella misura sul checkpoint 863 e non ha testato le capacità di coding: un vuoto di verifica che, per chi valuta un impiego in produzione, conta. Un calo di cinque punti su IFEval può non essere un dettaglio: molti flussi automatizzati dipendono da istruzioni precise. Ma il progetto non nasce per sostituire un assistente aziendale; nasce per ridurre l'attrito nelle conversazioni informali, dove il tono da help desk è esso stesso un bug.

Il formato GGUF e la porta del self-hosted

La pubblicazione di GGUFs merged e dell'adattatore LoRA F32 standalone abbassa la soglia per chi vuole provare il modello in locale, senza passare da API cloud. In ottica on-premise, il formato GGUF è ormai uno standard de facto per l'inference su hardware consumer e workstation, perché consente di usare la Quantization per ridurre l'occupazione di VRAM. Il fatto che il progetto distribuisca anche un endpoint OpenAI-compatible gratuito con rate limit, oltre a una demo su Hugging Face Space, mostra la doppia natura di questi rilasci: accesso immediato via cloud e possibilità di self-hosted.

Il collegamento con AI-RADAR è quasi immediato. Un modello come questo tocca il cuore del trade-off tra controllo e comodità: chi vuole un tono conversazionale specifico può partire da un checkpoint aperto, applicare un adattatore LoRA e servire il modello in locale, mantenendo così la sovranità sui dati delle conversazioni. Ma la scelta non è gratuita: l'hardware necessario per l'inference di un modello da 27 miliardi di parametri, anche con Quantization, richiede una valutazione attenta di VRAM e costi operativi. Per chi valuta deployment on-premise, esistono trade-off tra qualità del modello, latenza e TCO che non si risolvono con un semplice benchmark.

Il repository Hugging Face di LessThanThreeAI ospita i GGUFs merged e l'adattatore F32; una Space permette di provare il modello con diversi system prompt e modalità di reasoning, mentre l'endpoint OpenAI-compatible con limiti di velocità offre un accesso immediato. La scelta di offuscare i messaggi del dataset aggiunge un ulteriore segnale: anche in un progetto nato per rendere i modelli più colloquiali, la protezione dei testi usati per il fine-tuning non è stata trattata come un dettaglio.