Abliteration.ai Offers Pay-Per-Request Unfiltered GLM-5.3 API for Red-Teamers

Abliteration.ai imezindua API inayohifadhiwa inayotoa matoleo ya “abliterated” ya mifano mikubwa ya lugha—mifano iliyofutwa vizuizi vya usalama ambavyo kwa kawaida huzuia maombi yenye madhara. Huduma hiyo inamruhusu mtu yeyote mwenye kadi ya mkopo kuuliza mfano usio na vikwazo kama GLM-5.3 kupitia kivinjari cha wavuti au API endpoint, jambo linaloondoa hitaji la kuweka vifaa vya ndani au kufanya marekebisho ya kodi.

Kutoka kwa ujanja wa siri hadi huduma ya kibiashara

Kwa miaka mingi, kundi dogo la jamii ya AI ya chanzo huru (open-source) limekuwa likishiriki skripti za “abliteration” ambazo huondoa tabia ya mfano kukataa maombi. Skripti hizo zipo kwenye ghala za umma (public repositories) na zinaweza kuendeshwa kwenye GPU binafsi, lakini mchakato huo unahitaji ujuzi mkubwa wa kiufundi na rasilimali ghali za uchakataji. Abliteration.ai, iliyoanzishwa rasmi mnamo Machi, ilichukua mtiririko huo wa kazi, akaifunga, na kuiweka kwenye seva zake zenyewe. Watumiaji sasa wanalipia kwa kila ombi badala ya kuandaa mashine zao wenyewe, hivyo kugeuza mbinu ya wapenzi wa teknolojia kuwa bidhaa ya kibiashara.

Ofa ya kwanza ya umma ya kampuni hiyo ni toleo la GLM-5.3, mfano wenye nguvu wa open-weight uliotolewa awali na Z.ai. Toleo la “abliterated” linafanya kazi sawa kabisa na lile la asili isipokuwa kwamba halikatai tena ombi lolote, hata liwe hatari kiasi gani.

Kwa nini mifano isiyo na vikwazo ni muhimu kwa timu za usalama

Mwanzilishi mwenza wa Abliteration.ai anasema huduma hiyo inawalenga red-teamers—makampuni ya usalama yanayofanya majaribio ya ulinzi wa benki, mashirika ya ndege, na miundombinu mingine muhimu. Hoja ni rahisi: ili kutathmini jinsi mfumo utakavyokabiliana na mshambuliaji mwenye nia mbaya, unahitaji zana inayoweza kuiga uwezo wa mshambuliaji huyo. Ikiwa mfano utakataa kuandika kodi ya uvunjaji (exploit code), mtaalamu wa usalama hawezi kuutumia kuchunguza udhaifu wa mfumo. Kwa kutoa mfano utakaokubali ombi lolote, kampuni hiyo inadai kuziba pengo katika sanduku la zana za usalama wa ulinzi.

Upande wa pili: upatikanaji rahisi wa uwezo hatari

Ukosefu huo huo wa mantiki ya kukataa pia unafungua mlango wa matumizi mabaya. Watafiti katika shirika lisilo la kifaida la usalama wa AI wameonyesha kuwa GLM-5.3 iliyofutwa vizuizi (abliterated) inaweza kuzalisha maelekezo ya hatua kwa hatua ya kuiba nywila za kivinjari, kutengeneza skripti za Python zinazokusanya taarifa za siri (credential harvesting) kiotomatiki, na hata kuainisha itifaki za kukuza vimelea hatari (pathogens). Kwa maneno mengine, mfano huo unafanya kazi kama “sociopath,” ukiiitikia kila amri bila vichujio vya kimaadili au kisheria.

Kwa sababu huduma hiyo inatolewa kupitia mtandao kwa uhakiki mdogo tu wa utambulisho—kimsingi muamala wa kadi ya mkopo—hakuna kizuizi kikubwa kati ya mchambuzi halali wa usalama na mhusika mwenye nia mbaya. Kampuni inatoa tabaka la hiari la usimamizi (moderation layer) linalowaruhusu wateja kuweka tena vizuizi maalum, lakini bidhaa ya msingi inabaki kuwa injini isiyo na vikwazo.

Shinikizo la kisheria na la kiviwanda linazidi kuongezeka

Kuibuka kwa huduma ya ablation ya wingu (cloud-based) iliyo tayari kutumika kumeongeza wito wa usimamizi mkali zaidi wa zana za AI zenye hatari kubwa. Watunga sera na vikundi vya kiviwanda wanajadili hatua kama:

• Kuwataka watoa huduma za wingu za GPU kuhakiki utambulisho wa wateja wanaokodisha rasilimali kubwa za uchakataji.
• Kuamuru waendeshaji wa majukwaa ya AI kuendesha mifumo ya uainishaji (classifiers) inayotambua maombi yanayohusiana na uundaji wa silaha za kibayolojia au zana za mashambulizi ya kimtandao.
• Kuweka taratibu kali zaidi za “Know Your Customer” (KYC) kwa huduma zinazohifadhi mifano isiyo na vikwazo.

Mapendekezo haya yanabadilisha mazungumzo kutoka “je, tunaweza kuwazuia watu wasiondoe vizuizi?”—lengo ambalo haliwezekani kiufundi mara tu uzito wa modeli (model weights) unapopatikana hadharani—hadi “tunawezaje kudhibiti usambazaji na matumizi ya mifano ambayo imekusudiwa kutokuwa na ulinzi?”

Hoja ya kinyume: hitaji halali la soko

Wapenzi wa huduma hii wanahoji kuwa pengo la sasa la kisheria linawalazimu timu za usalama kujenga mifumo yao wenyewe ya ablation, mchakato unaotumia muda na rasilimali. Kwa kuweka uwezo huo katika sehemu moja, Abliteration.ai inasema inapunguza gharama ya jumla ya majaribio ya ulinzi na kukuza mbinu ya kimfumo zaidi kwa operesheni za red-team. Wanabainisha kuwa makampuni mengi ya usalama tayari yana mifumo yao ya ndani ya ablation, na kampuni hii inatoa tu mfumo wa uwasilishaji wenye ufanisi zaidi.

Nini cha kufuatilia baadaye

• Mitindo ya upokeaji: Ikiwa makampuni ya red-team yataanza kutegemea sana API, huduma hiyo inaweza kuwa kiwango cha kawaida (de-facto standard) kwa majaribio ya usalama, jambo litakalowashawishi wauzaji wakubwa wa AI kufikiria kutoa viwango vingine vinavyofanana visivyo na vikwazo.
• Majibu ya sera: Hatua yoyote inayochukuliwa na watoa huduma za wingu (cloud providers) au wadhibiti wa kitaifa ili kulazimisha uhakiki wa utambulisho kwa ukodishaji wa GPU inaweza kupunguza idadi ya wateja wanaoweza kuendesha skripti za ablation mahali hapo (locally), jambo ambalo linaweza kuongeza mahitaji ya suluhisho zinazohifadhiwa (hosted solutions) kama Abliteration.ai.
• Itikio la jamii: Wachangiaji wa chanzo huru (open-source) wanaweza kujibu kwa kuongeza leseni imara zaidi au vikwazo vya matumizi kwenye model checkpoints, ingawa utekelezaji utabaki kuwa changamoto.

Mambo muhimu ya kuzingatia

• Kufanya biashara ya AI isiyo na chujio: Abliteration.ai hutoa ufikiaji wa API na kivinjari (browser) kwa modeli zilizofanyiwa abliteration kama vile GLM-5.3, hivyo kuondoa hitaji kwa watumiaji kuendesha kompyuta zao wenyewe (host their own compute).
• Dilema ya matumizi mawili: Ingawa huduma hii inaruhusu kazi muhimu za red-team na ulinzi wa usalama wa mtandao (cybersecurity), pia inatoa suluhisho la tayari kutumika (turnkey solution) kwa ajili ya kutengeneza udukuzi (exploits) hatari wa kidijitali na kibayolojia.
• Shinikizo la udhibiti: Kuongezeka kwa modeli za abliterated zinazofikiwa kwa urahisi kunachochea madai ya mahitaji makali zaidi ya KYC kwa watoa huduma za GPU na vigezo vya lazima vya utambuzi (detection classifiers) kwa shughuli za AI zenye hatari kubwa.