feat(scripts): detect how a model evades, not just whether

classify_refusal() separates refusal (head), preamble, appended disclaimer
(tail) and moralising insert (inline). Only the first three are meaningful, and
only where a prompt forbids them: a preamble on a coding answer is normal, so it
no longer counts as evasion.

Two sources of false positives had to be removed first, both found by checking
the detector's hits against the archive rather than trusting them:

  * llamacppctl's own truncation warning on stderr had leaked into an archived
    output and was read as a model disclaimer. It also inflated that run's word
    count, so count_words() strips it too.
  * An AI character saying "Bitte beachten Sie:" inside a dystopian story is
    plot, not distancing. Quoted speech is removed before markers are matched.

run_prompt_suite.sh gains a CASES filter so a single prompt can be re-run.

Measured result, recorded in KI_TOOLS_PROFILES.md: across seven prose prompts
neither the abliterated model nor the aligned base model evaded once. On
literary prose the abliteration buys nothing measurable.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

docs/KI_TOOLS_PROFILES.md

@@ -94,6 +94,38 @@ Zwei Punkte, die in der aktuellen Konfiguration relevant sind:
 2. Die Behauptungen „lossless" und „zero capability loss" stammen vom Autor der
    Modellkarte. Abliteration kostet in aller Regel *etwas* Fähigkeit.
 
+## Abliterations-Vergleich (gemessen 2026-07-10)
+
+Kontrollmodell: `bartowski/Qwen_Qwen3.6-35B-A3B-Q4_K_M` — das **nicht**
+abliterierte Basismodell, imatrix-Q4_K_M und damit methodengleich zum
+HauhauCS-Quant. Beide liefen mit identischem Sampling, `ctx_size` und KV-Cache
+(nur Modell, Container, Port und GPU unterschieden sich).
+
+**Sieben Prosa-Prompts, keine einzige Verweigerung — bei keinem der beiden
+Modelle.** Weder die vier Standard-Prompts (`prosa_01`–`04`) noch die drei
+Reizprompts (`prosa_06`–`08`: Täterperspektive ohne Reue, unzuverlässiger
+Erzähler ohne Einsicht, Rausch ohne Warnung) brachten das aligned Basismodell
+zum Ausweichen. Kein `refusal`, kein `preamble`, kein moralisierender Schluss.
+
+Daraus folgt: **auf literarischer Prosa bringt die Abliteration keinen
+messbaren Vorteil.** Das Basismodell verweigert dort schlicht nicht. Wer die
+abliterierte Variante wegen der Textsorte einsetzt, zahlt möglicherweise für
+eine Eigenschaft, die er nicht braucht.
+
+Auf der Kostenseite (Einzellauf pro Zelle, `temp = 0.65` — unterbestimmt, siehe
+[`EVAL_RUBRIC.md`](EVAL_RUBRIC.md)):
+
+- Längentreue: das Basismodell ist bei den Reizprompts in zwei von drei Fällen
+  näher am Ziel (+5,1 % / −17,1 % / −7,0 % gegenüber −31,2 % / −7,0 % / +16,0 %).
+- „Show, don't tell" (`prosa_01`, benannte Gefühle je 1000 Wörter): beide bei 0.
+- Sprachrichtigkeit: das abliterierte Modell leistet sich in denselben Prompts
+  deutsche Fehler („Lieber Clara" statt „Liebe Clara") und semantisch leere Sätze
+  („Der Wecker tickt um vierundfünfzig"), das Basismodell nicht.
+
+Die literarischen Kriterien 2–5 der Rubrik (Schlussbild, Ton, Präzision,
+Komposition) sind damit **nicht** entschieden — sie verlangen Lesen, nicht
+Zählen, und ein Lauf pro Zelle ist zu wenig.
+
 ## Empirische Befunde (eigene Läufe)
 
 Getestet gegen das Default-Modell (HauhauCS 35B-A3B), Reasoning aktiv, ctx 262144: