Abliteration.ai 推出可繞過安全拒絕的開放模型服務

Abliteration.ai 推出可繞過安全拒絕的開放模型服務

核心重點

美國新創公司 Abliteration.ai 於 8 月底推出「abliterated‑model‑large‑v2」，這是一款以 Z.AI 旗下 GLM‑5.3 為基礎，去除或削弱其內建安全拒絕機制（refusal mechanisms）的開放權重模型，並以 Model‑as‑a‑Service（MaaS） 形式對外販售。此舉為合法商機，同時也帶來嚴峻的安全權衡。

背景與技術說明

• 開放權重模型：指模型的參數（weights）公開可取得，使用者可自行下載、修改或再部署。
• 安全拒絕機制：模型在偵測到敏感或危險指令時，自動回絕回應的內建防護。
• Abliteration（去除化）：Abliteration.ai 透過分析模型內部的激活模式（activation patterns），找出觸發拒絕的神經元組合，然後微調權重以抑制這些模式。此過程屬於「模型層面的改寫」，不同於僅透過提示（prompt）繞過的「jailbreak」。

Abliteration.ai 在自家測試中稱，改造後的 GLM‑5.3 在 CyberGym（網路安全測驗平台）取得 84.5% 的成功率，Terminal‑Bench 4.0 為 41.8%，兩小時內解決 105 題 ExploitGym（漏洞利用）任務。儘管如此，該公司亦坦承與 GPT‑5.5、GPT‑5.6 Sol、Fable‑5 等商業大模型的比較受限於測試環境與算力差異，無法直接等量比較。

市場與風險

GLM‑5.3 具備強大的程式編寫、代理（agent）與資安能力，同時採用開放授權允許衍生與商業化。Abliteration.ai 因此得以合法改造、託管並以 每百萬 token 五美元 的標準費率提供服務，免除客戶自行建置 GPU 基礎設施的門檻。這種「即插即用」的模式降低了惡意使用的技術門檻，可能被用於：

• 攻擊性資安測試（offensive cybersecurity）
• AI 紅隊演練（AI red teaming）
• 代理測試與信任安全（agent testing & trust‑and‑safety）
• 惡意程式分析、釣魚模擬 等情境

未來展望與讀者啟示

Abliteration.ai 的商業模式凸顯了 開放權重 與 安全防護 之間的矛盾：一方面促進創新與可商業化應用，另一方面卻可能削弱 AI 系統的內建防禦。對於政策制定者、平台供應商與資安從業者而言，需思考如何在保護知識產權與維護公共安全之間取得平衡，或是透過授權條款、監測機制等方式限制模型的「去除化」濫用。

未來，隨著更多模型採用開放授權，類似的 abliteration 服務可能成為常態。讀者在評估相關技術或服務時，應審慎檢視其安全影響，並考慮是否符合組織的風險管理政策。