Abliteration.ai ने एक होस्टेड API लॉन्च किया है जो लार्ज लैंग्वेज मॉडल्स के “एब्लिटरेटेड” (abliterated) वर्ज़न प्रदान करता है—ऐसे मॉडल्स जिनसे उन सेफ्टी गार्डरेल्स (safety guardrails) को हटा दिया गया है जो आमतौर पर हानिकारक अनुरोधों को रोकते हैं। यह सेवा किसी भी व्यक्ति को, जिसके पास क्रेडिट कार्ड है, वेब ब्राउज़र या API एंडपॉइंट के माध्यम से GLM-5.3 जैसे अनरिस्ट्रिक्टेड (unrestricted) मॉडल का उपयोग करने की सुविधा देती है, जिससे स्थानीय हार्डवेयर सेटअप करने या कोड के साथ छेड़छाड़ करने की आवश्यकता समाप्त हो जाती है।

एक अंडरग्राउंड हैक से व्यावसायिक पेशकश तक

वर्षों से, ओपन-सोर्स AI समुदाय का एक छोटा हिस्सा ऐसे “एब्लिटरेशन” (abliteration) स्क्रिप्ट साझा कर रहा है जो मॉडल के इनकार करने वाले व्यवहार (refusal behavior) को हटा देते हैं। वे स्क्रिप्ट सार्वजनिक रिपॉजिटरी में मौजूद हैं और व्यक्तिगत GPU पर चलाई जा सकती हैं, लेकिन इस प्रक्रिया के लिए गहरी तकनीकी जानकारी और महंगे कंप्यूट संसाधनों की आवश्यकता होती है। मार्च में स्थापित Abliteration.ai ने उस वर्कफ़्लो को लिया, उसे पैकेज किया और अपने स्वयं के सर्वर पर उपलब्ध कराया। अब उपयोगकर्ता अपने स्वयं के मशीन सेटअप करने के बजाय प्रति अनुरोध भुगतान करते हैं, जिससे एक शौकिया तकनीक एक व्यावसायिक उत्पाद में बदल गई है।

कंपनी की पहली सार्वजनिक पेशकश GLM-5.3 का एक वर्ज़न है, जो एक शक्तिशाली ओपन-वेट (open-weight) मॉडल है जिसे मूल रूप से Z.ai द्वारा रिलीज़ किया गया था। “एब्लिटरेटेड” वेरिएंट बिल्कुल मूल मॉडल की तरह व्यवहार करता है, सिवाय इसके कि यह अब किसी भी प्रॉम्प्ट को अस्वीकार नहीं करता है, चाहे वह कितना भी जोखिम भरा क्यों न हो।

सुरक्षा टीमों के लिए अनरिस्ट्रिक्टेड मॉडल्स क्यों महत्वपूर्ण हैं

Abliteration.ai के सह-संस्थापक का कहना है कि यह सेवा रेड-टीमर्स (red-teamers) को लक्षित करती है—वे सुरक्षा फर्में जो बैंकों, एयरलाइंस और अन्य महत्वपूर्ण बुनियादी ढांचे के बचाव का परीक्षण करती हैं। तर्क सीधा है: यह मूल्यांकन करने के लिए कि कोई सिस्टम दुर्भावनापूर्ण हमलावर के खिलाफ कैसा प्रदर्शन करेगा, आपको एक ऐसे टूल की आवश्यकता है जो उस हमलावर की क्षमताओं की नकल कर सके। यदि कोई मॉडल एक्सप्लॉइट कोड (exploit code) लिखने से इनकार कर देता है, तो एक सुरक्षा पेशेवर इसका उपयोग सिस्टम की कमजोरियों की जांच करने के लिए नहीं कर सकता है। किसी भी अनुरोध का पालन करने वाले मॉडल को प्रदान करके, स्टार्टअप का दावा है कि वह रक्षात्मक सुरक्षा टूलबॉक्स में एक कमी को पूरा कर रहा है।

दूसरा पहलू: खतरनाक क्षमताओं तक आसान पहुंच

इनकार करने वाले लॉजिक की यही कमी दुरुपयोग के द्वार भी खोलती है। AI सुरक्षा गैर-लाभकारी संस्था के शोधकर्ताओं ने दिखाया है कि एक एब्लिटरेटेड GLM-5.3 ब्राउज़र पासवर्ड चुराने के लिए चरण-दर-चरण निर्देश तैयार कर सकता है, क्रेडेंशियल हार्वेस्टिंग (credential harvesting) को ऑटोमेट करने वाले Python स्क्रिप्ट बना सकता है, और यहाँ तक कि खतरनाक रोगजनकों (pathogens) को विकसित करने के प्रोटोकॉल भी तैयार कर सकता है। दूसरे शब्दों में, मॉडल एक “सोशियोपैथ” की तरह व्यवहार करता है, जो बिना किसी नैतिक या कानूनी फिल्टर के हर आदेश का पालन करता है।

चूंकि यह सेवा केवल न्यूनतम पहचान जांच—अनिवार्य रूप से एक क्रेडिट-कार्ड लेनदेन—के साथ इंटरनेट के माध्यम से प्रदान की जाती है, इसलिए एक वैध सुरक्षा विश्लेषक और एक दुर्भावनापूर्ण कर्ता के बीच बहुत कम बाधा है। कंपनी एक वैकल्पिक मॉडरेशन लेयर (moderation layer) प्रदान करती है जो ग्राहकों को विशिष्ट गार्डरेल्स को फिर से लागू करने की अनुमति देती है, लेकिन मुख्य उत्पाद एक अनरिस्ट्रिक्टेड इंजन ही रहता है।

नियामक और उद्योग का दबाव बढ़ रहा है

एक टर्नकी (turnkey), क्लाउड-आधारित एब्लेशन सेवा के उदय ने उच्च-जोखिम वाले AI टूल्स की सख्त निगरानी की मांग तेज कर दी है। नीति निर्माता और उद्योग समूह ऐसे उपायों पर बहस कर रहे हैं जैसे:

  • GPU क्लाउड प्रदाताओं के लिए उन ग्राहकों की पहचान सत्यापित करना आवश्यक बनाना जो बड़े पैमाने पर कंप्यूट किराए पर लेते हैं।
  • AI प्लेटफॉर्म ऑपरेटरों के लिए ऐसे क्लासिफायर चलाना अनिवार्य करना जो बायोवेपन (bioweapon) विकास या साइबर-हमले के टूलिंग से संबंधित अनुरोधों को फ्लैग करें।
  • उन सेवाओं पर सख्त “नो योर कस्टमर” (KYC) प्रक्रियाएं लागू करना जो अनरिस्ट्रिक्टेड मॉडल्स को होस्ट करती हैं।

ये प्रस्ताव बातचीत को “क्या हम लोगों को गार्डरेल्स हटाने से रोक सकते हैं?”—जो कि मॉडल वेट्स (model weights) सार्वजनिक रूप से उपलब्ध होने के बाद तकनीकी रूप से असंभव लक्ष्य है—से बदलकर “हम उन मॉडल्स के वितरण और उपयोग को कैसे प्रबंधित करें जिन्हें जानबूझकर असुरक्षित रखा गया है?” पर ले जाते हैं।

प्रति-तर्क: एक वैध बाजार की आवश्यकता

समर्थकों का तर्क है कि वर्तमान नियामक शून्यता सुरक्षा टीमों को अपने स्वयं के एब्लेशन पाइपलाइन बनाने के लिए मजबूर करती है, एक ऐसी प्रक्रिया जिसमें समय और संसाधन खर्च होते हैं। इस क्षमता को केंद्रीकृत करके, Abliteration.ai का कहना है कि यह रक्षात्मक परीक्षण की समग्र लागत को कम करता है और रेड-टीम ऑपरेशन्स के लिए अधिक व्यवस्थित दृष्टिकोण को बढ़ावा देता है। वे उल्लेख करते हैं कि कई सुरक्षा फर्में पहले से ही आंतरिक एब्लेशन सेटअप चलाती हैं, और स्टार्टअप केवल एक अधिक कुशल डिलीवरी मॉडल प्रदान करता है।

आगे क्या देखने की आवश्यकता है

  • अपनाने के पैटर्न: यदि रेड-टीम फर्में API पर अत्यधिक निर्भर होने लगती हैं, तो यह सेवा सुरक्षा परीक्षण के लिए एक डी-फ़ैक्टो मानक बन सकती है, जिससे बड़े AI विक्रेताओं को समान बिना प्रतिबंध वाले टियर पेश करने पर विचार करने के लिए प्रेरित किया जा सकता है।
  • नीतिगत प्रतिक्रियाएं: GPU रेंटल के लिए पहचान सत्यापन लागू करने के लिए क्लाउड प्रदाताओं या राष्ट्रीय नियामकों का कोई भी कदम स्थानीय रूप से एब्लेशन स्क्रिप्ट चलाने में सक्षम ग्राहकों के समूह को सीमित कर सकता है, जिससे संभावित रूप से Abliteration.ai जैसे होस्टेड समाधानों की मांग बढ़ सकती है।
  • सामुदायिक प्रतिक्रिया: ओपन-सोर्स योगदानकर्ता मॉडल चेकपॉइंट्स में अधिक मजबूत लाइसेंसिंग या उपयोग संबंधी प्रतिबंध जोड़कर प्रतिक्रिया दे सकते हैं, हालांकि इनका प्रवर्तन चुनौतीपूर्ण बना रहेगा।

मुख्य निष्कर्ष

  • अनफ़िल्टर्ड AI का व्यावसायीकरण: Abliteration.ai, GLM-5.3 जैसे एब्लिटरेटेड मॉडल्स के लिए API और ब्राउज़र एक्सेस प्रदान करता है, जिससे उपयोगकर्ताओं को अपना स्वयं का कंप्यूट होस्ट करने की आवश्यकता नहीं रहती।
  • दोहरे उपयोग की दुविधा: जबकि यह सेवा आवश्यक रेड-टीम और रक्षात्मक साइबर सुरक्षा कार्य को सक्षम बनाती है, यह हानिकारक डिजिटल और जैविक एक्सप्लॉइट्स उत्पन्न करने के लिए एक टर्नकी समाधान भी प्रदान करती है।
  • नियामक दबाव: सुलभ, एब्लिटरेटेड मॉडल्स का उदय GPU प्रदाताओं के लिए सख्त KYC आवश्यकताओं और उच्च-जोखिम वाली AI गतिविधि के लिए अनिवार्य डिटेक्शन क्लासिफायर की मांग को बढ़ा रहा है।