现在，访问全球最强大的开源AI模型之一变得容易得多，该模型已去除了安全护栏以及拒绝执行有害任务的限制。
这种技术以去除模型拒绝有害请求的倾向而得名，初创公司Abliteration.ai将这种移除操作转化为了一项服务。该平台托管了经过修改的开源权重模型版本，去除了其安全护栏，包括Z.ai最近发布的GLM-5.3，用户可以通过网页浏览器查询或通过API访问这些模型。
商业化服务与红队测试需求
该公司表示，其目标是使他人能够执行“其他模型拒绝执行的攻击性网络、红队测试和代理测试工作”。这种逻辑在安全领域很常见：你无法防御你无法复现的行为，而一个拒绝编写可运行漏洞利用代码的模型，就无法帮助红队抵御攻击者。但同样的移除措施也让其他潜在的危险任务变得更加容易。
Abliteration是开源模型中长期存在的一种技术。研究人员和开发者多年来一直在从开源权重模型中移除拒绝机制，Hugging Face平台上托管着数千个经过abliteration处理的模型。Abliteration.ai成立于去年年底，并于今年三月正式注册成立，它将这一技术从地下开源实践转变为一种商业化、易于获取的服务。通过托管模型，Abliteration降低了那些原本需要自行下载预处理好的abliterated模型并配置运行所需计算资源的人们的使用门槛。
使用该服务时，TechCrunch能够快速创建账户，并通过网页浏览器免费查询一个经过abliteration处理的GLM-5.3版本。我们要求它编写一个窃取Chrome保存密码的Python程序，以及在家培养危险人类病原体的详细协议，它都欣然配合。
安全风险与监管探讨
Abliteration.ai联合创始人Devon表示，该公司已与几家主要云提供商达成多项合作，仅靠客户收入即可负担相关成本。（应其本人要求，未提及Devon的姓氏。）Abliteration.ai尚未筹集任何风险投资，但正在洽谈融资事宜。
批评人士认为，大规模提供abliterated模型可能导致实际危害。AI安全非营利组织CivAI的研究负责人Andrew Yoon告诉TechCrunch，对模型进行abliteration相当于“将模型改造成一个反社会人格者”。“你可以在这里输入任何内容，它都会服从，”Yoon说，“当人们谈论移除AI模型的安全护栏时，指的就是这种情况……我预计不久后我们将看到经过编辑或abliteration处理的模型被用于恶意目的。”
Abliteration AI 刚刚移除了 GLM-5.3 的安全限制，使其能够执行网络攻击。我还收到了独立确认，Abliteration AI 也移除了该模型与生物相关的 safeguards。事实证明，移除…… https://t.co/7Wk2Ibx35H — Chris McGuire (@ChrisRMcGuire) 2026年9月1日
TechCrunch采访的大多数专家都表示，这列火车已无法停止。但如果无法现实地阻止从开源权重模型中移除安全限制，政府还有其他干预途径。在最近的一篇评论文章中，Yoon建议政府要求提供商运行分类器，以检测和阻止有害的网络和生物武器活动。他还主张，出租高级GPU直接访问权限的公司应被要求验证客户身份，并在“有理由怀疑存在危险滥用行为时拒绝访问”。
Abliteration.ai为客户提供一个审核层，以便他们添加所需的任何护栏。该平台本身有一些次要的护栏——例如，在我们的测试中，我们无法让模型提供自杀指导——Devon表示他正在努力实施更多措施以防止暴力行为。Abliteration.ai尚未整合除记录客户用于购买服务的信用卡之外的任何KYC（了解你的客户）实践，并表示决定谁有权访问是一个难题，这家年轻公司仍在摸索解决。
“你不想成为那个对某人做出疯狂行为负责的人……那么作为公司，你的责任界限在哪里？”Devon说，“我们仍在定义这一界限的过程中。”
这引发了行业和政府在发布具有可下载权重的日益强大的模型时必须面对的问题：如果任何人都可以移除模型的安全限制，那么使resulting模型更容易被所有人访问，会让互联网变得更安全还是更危险？
行业观点分歧：防御工具还是能力损耗？
Abliteration.ai的创始人和其他倡导者认为，普及对无审查前沿模型的访问是最好的防御形式。“从大局来看，abliterated模型能够模拟不良行为者，”Devon说，“优势在于，现在防御方可以尽可能快地行动。他们拥有所有必要的工具来模拟这些不良行为者，然后防御这些不良行为，我认为这将加速网络安全发展，这是一个有点反直觉的观点。”
Devon表示，虽然Abliteration.ai仍是一家年轻的公司，但其客户包括几家位于英国和欧洲的早期阶段红队初创企业，这些公司帮助银行、航空公司以及其他处理关键基础设施的企业加强其网络安全实践。“我们的主要客户之一对银行代理进行红队测试，而如果没有经过处理的模型，他们今天将无法使用这些模型对这些代理进行红队测试，”Devon说。
与此同时，网络安全行业仍在探索abliterated模型在防御工作中是否适用以及其定位如何。TechCrunch采访过的几家代理红队公司都同意Devon的观点，即坏人已经在对自己拥有的模型进行abliteration处理，并利用它们执行对抗性攻击，这为防御方拥有相同工具提供了合理性依据。但在abliterated模型对这一过程究竟有多重要这一点上，他们的看法存在分歧。
尽管Devon认为对模型进行abliteration是执行全面代理红队测试的关键，但有些人表示他们日常工作中并不使用这类模型，而是依赖微调开源权重模型的便利性——这些模型本身的安全限制就很少——来进行测试。
Fabraix是一家代理红队公司，其首席执行官Ahmed Aly表示，他的公司更倾向于对开源模型进行微调，而不是使用经过abliteration处理的模型，并补充说abliteration过程会移除模型的部分知识和能力。Aly告诉TechCrunch：“如果你真的试图用它造成实际危害——无论是网络危害还是生物危害——它的效果都不会那么强。”
Safe Intelligence的首席技术官Alessio Lomuscio同意能力可能会下降，但他仍然认为abliterated模型能够激发某些行为，这些行为在对系统进行压力测试时很有用。网络安全平台Armadin的创始人兼首席架构师David Slater表示：“到目前为止，abliterated模型尚未纳入我们的流程中。”Slater告诉TechCrunch：“当我们审视直到最近这一代的所有开源权重模型时，越狱它们并让它们按我们的意愿行事并不是特别困难。”
不过，他补充说Armadin正在研究abliteration，并认为“推动开源社区理解模型的能力至关重要”。Slater继续说道：“这将是在幕后发生的。它将在私密环境中发生。”“在公开环境下发生则赋予了研究人员工具。它让我们有能力弄清楚真正的技术前沿是什么样子，并理解潜在的危害。”