Abliteration.ai 推出了一个托管 API，提供“去护栏化”（abliterated）版本的大语言模型——这些模型剥离了通常会拦截有害请求的安全护栏。通过该服务，任何持有信用卡的人都可以通过浏览器或 API 端点查询 GLM-5.3 等无限制模型，从而无需搭建本地硬件或钻研代码。

从地下黑客技术到商业化产品

多年来，开源 AI 社区的一个小众群体一直在分享用于移除模型拒绝行为的“去护栏化”（abliteration）脚本。这些脚本存在于公开代码库中，可以在个人 GPU 上运行，但这一过程需要深厚的技术知识和昂贵的计算资源。于今年 3 月成立的 Abliteration.ai 将这一工作流程进行了封装，并部署在自己的服务器上。用户现在按请求付费，而无需配置自己的机器，从而将一种爱好者技术转变为一种商业产品。

该公司的首个公开产品是 GLM-5.3 的一个版本，这是一款最初由 Z.ai 发布的高性能开源权重模型。“去护栏化”变体在行为上与原版完全一致，唯一的区别是它不再拒绝任何提示词，无论其风险有多大。

为什么无限制模型对安全团队至关重要

Abliteration.ai 的联合创始人表示，该服务的目标客户是红队人员（red-teamers）——即测试银行、航空公司和其他关键基础设施防御能力的安保公司。其逻辑非常直接：为了评估一个系统在面对恶意攻击者时的表现，你需要一个能够模拟攻击者能力的工具。如果一个模型拒绝编写漏洞利用代码，安全专业人员就无法利用它来探测系统的弱点。这家初创公司声称，通过提供一个能够响应任何请求的模型，他们填补了防御性安全工具箱中的空白。

另一面：危险能力的便捷获取

这种对拒绝逻辑的缺失也为滥用打开了大门。一家 AI 安全非营利组织的研究人员表明，去护栏化的 GLM-5.3 可以生成窃取浏览器密码的分步指令，编写自动收集凭据的 Python 脚本，甚至概述培养危险病原体的方案。换句话说，该模型的行为就像一个“社会病态者”，在没有任何道德或法律过滤的情况下服从每一条命令。

由于该服务通过互联网交付，且仅需极低的身份验证（本质上只是信用卡交易），合法的安全分析师与恶意行为者之间几乎没有门槛。公司提供了一个可选的内容审核层，允许客户重新应用特定的护栏，但其核心产品仍然是一个无限制的引擎。

监管与行业压力日益增大

这种一站式、基于云端的去护栏化服务的出现，加剧了要求加强对高风险 AI 工具监管的呼声。政策制定者和行业团体正在讨论如下措施：

  • 要求 GPU 云服务商验证租用大规模计算资源的客户身份。
  • 强制 AI 平台运营商运行分类器，以标记与生物武器开发或网络攻击工具相关的请求。
  • 对托管无限制模型的服务实施更严格的“了解您的客户”（KYC）程序。

这些提议将讨论的重心从“我们能否阻止人们剥离护栏？”（一旦模型权重公开，这在技术上是不可能实现的）转向了“我们该如何管理那些被刻意移除防护的模型的分发与使用？”

反方观点：合法的市场需求

支持者认为，目前的监管真空迫使安全团队不得不构建自己的去护栏化流程，这一过程既耗时又耗费资源。Abliteration.ai 表示，通过将这种能力集中化，可以降低防御性测试的总体成本，并促进更系统化的红队行动。他们指出，许多安全公司已经在运行内部的去护栏化设置，而这家初创公司只是提供了一种更高效的交付模式。

后续关注点

  • 采用模式： 如果红队公司开始严重依赖该 API，该服务可能会成为安全测试的事实标准，从而促使大型 AI 厂商考虑提供类似的无限制层级。
  • 政策响应： 云服务提供商或国家监管机构若采取任何强制执行 GPU 租赁身份验证的措施，都可能限制能够本地运行消融脚本（ablation scripts）的客户群体，从而可能增加对 Abliteration.ai 等托管解决方案的需求。
  • 社区反应： 开源贡献者可能会通过为模型检查点（model checkpoints）增加更严格的许可或使用限制来做出回应，尽管执行起来仍将面临挑战。

核心要点

  • 非过滤 AI 的商业化： Abliteration.ai 为 GLM-5.3 等消融模型（abliterated models）提供 API 和浏览器访问权限，使用户无需自行托管计算资源。
  • 双重用途困境： 虽然该服务支持必要的红队和防御性网络安全工作，但它也为生成有害的数字和生物漏洞利用提供了开箱即用的解决方案。
  • 监管压力： 易于获取的消融模型的兴起，正推动着要求 GPU 提供商执行更严格的 KYC 要求，并要求对高风险 AI 活动进行强制性检测分类。