把安全護欄當生意：Abliteration.ai 如何把「去拒絕化」前沿模型賣給所有人

多年來，把開源權重語言模型的安全護欄剝掉，一直是地下開源圈的操作——研究人員、自架玩家和論壇鄉民在 Hugging Face 上上傳了數以千計的「abliterated（去拒絕化）」模型變體。這個月，它變成了一門生意。一家名為 Abliteration.ai 的新創公司，開始對外銷售「拒絕行為已被從權重層級移除」的前沿開源權重模型代管服務，附瀏覽器介面、API、雲端合作案與付費客戶——而且就在本週，開始與創投洽談募資。

公司名稱就是技術名稱。Abliteration（去拒絕化）這套可追溯到 2024 年的方法，會先找出模型活化值中產生拒絕行為的內在方向，再直接從權重中移除該方向，理想情況下能保留推理、 coding 與代理（agentic）能力。成果不是越獄提示詞，也不是什麼巧妙包裝——而是一個在權重層面就不會說「不」的模型，任何有信用卡的人都能取用。

這家公司到底在賣什麼

Abliteration.ai 於去年底成立、今年三月正式註冊，代管多個移除護欄的開源權重模型修改版，包括 Z.ai 最近發布的 GLM-5.3——目前最強的開源權重模型之一。使用者可以透過瀏覽器或 API 查詢這些模型。根據 Startup Fortune 的報導，去護欄版本的價格約為每百萬 token 5 美元。

該公司將產品定位為資安專業人士的工具。在一則社群貼文中，它宣稱目標是讓使用者能執行「其他模型拒絕處理的進攻性資安、紅隊與代理測試工作」。背後邏輯是進攻性資安領域的老論證：你無法防禦你無法重現的行為，而一個拒絕撰寫可用攻擊程式碼的模型，也無法幫紅隊壓力測試銀行防線。

共同創辦人 Devon（因本業仍在職，TechCrunch 應其要求不公布姓氏）表示，客戶已包括數家英國與歐洲的早期紅隊測試新創，其中有替銀行、航空公司與關鍵基礎設施營運商執行 AI 代理紅隊測試的公司。他宣稱某主要客戶「替銀行的代理系統做紅隊測試，若使用現有出廠模型，根本無法完成這些工作」。

透過代管模型，這家新創移除了隔離隨意濫用與真正威脅之間的最後一道摩擦：客戶不再需要自行下載權重、籌措 GPU 算力或自己執行修改。TechCrunch 在測試中註冊了免費帳號，發現該模型對「撰寫竊取 Chrome 已存密碼的 Python 程式」和「提供在家中培養危險人類病原體的詳細流程」等要求都「欣然配合」。

GLM-5.3 的變數

基礎模型的選擇讓故事更尖銳。Z.ai 自己的 GLM-5.3 模型卡顯示，ExploitBench 成績從 GLM-5.2 的 24.4% 躍升至 54.4%，兩小時內完成的 ExploitGym 任務數從 29 上升到 105。這些是原廠模型的原廠數據——並非證明 Abliteration.ai 讓它變更強——但它們確立了一件事：在任何人動其拒絕迴路之前，這個底層系統就已具備可觀的進攻性資安能力。

前沿能力＋移除拒絕＋免下載——這個組合正是讓安全研究人員警覺的原因。AI 安全非營利組織 CivAI 的研究主管 Andrew Yoon 向 TechCrunch 表示，去拒絕化模型基本上被改造成了「反社會者」：「你在這裡輸入任何東西，它都會照做……我確實預期我們很快就會開始看到被編輯、去拒絕化的模型被用於造成傷害。」獨立研究者 Chris McGuire 則回報已獲獨立確認，該平台不只移除了模型的資安護欄，連生物相關防護也一併移除。

防禦者、反社會者，與微調的反論

並非所有資安業者都認為去拒絕化模型既新穎又必要。TechCrunch 採訪的多家代理紅隊公司承認，攻擊者確實早已在自行去拒絕化模型——這點支持 Devon 的對稱性論證——但他們對其實際影響程度看法分歧。代理紅隊公司 Fabraix 的執行長 Ahmed Aly 表示，該公司更依賴微調本來護欄就很少的開源權重模型，並指出去拒絕化過程在移除拒絕行為的同時，也會損失模型的部分知識與能力。如果這套技術會傷害紅隊真正需要的能力，那「防禦者需要同樣工具」的推銷話術就大打折扣。

公司自身的安全姿態也很薄弱。Abliteration.ai 提供審核層（moderation layer）讓客戶自行加回想要的護欄，平台本身仍保留極少數拒絕行為——TechCrunch 測試時無法誘使其提供自殺指令——Devon 也表示正在加強暴力防護。但除了記錄購買服務的信用卡外，平台沒有任何 KYC（認識你的客戶）機制。「你不會想成為那個為別人瘋狂行為負責的人……所以公司責任的界線到底該畫在哪？」Devon 說：「我們還在定義中。」

沒人回答的政策問題

TechCrunch 採訪的大多數專家都同意，這個實踐本身擋不住：abliteration 是已知技術，權重可自由下載，Hugging Face 上早已躺著數千個去拒絕化變體。真正可介入的環節是代管與存取。Yoon 主張，政府應要求推理服務提供商部署分類器，偵測並阻擋有害的資安與生物武器活動；直接出租 GPU 的公司則應驗證客戶身分，並在「有理由懷疑危險濫用」時拒絕提供服務。

這個框架讓 Abliteration.ai 從一則奇聞變成一個測試案例。如果「推理服務必須部署分類器」在美國、歐盟或英國成為法律，該公司的產品要嘛長出合規部門，要嘛搬到海外。如果沒有，該公司的商業豪賭——移除拒絕行為是賣點而非負債——將屹立不搖，而據報正在進行的創投洽談，很可能以優惠條件拍板。

更深層的矛盾，正是 TechCrunch 一語道破的那句話：隨著越來越強大的模型帶著可下載權重出貨、任何人都能剝除其防護，「讓去護欄模型變得人人更容易取得，究竟會讓網際網路更安全，還是更危險？」Abliteration.ai 的答案是斬釘截鐵的「更安全」。第一起涉及去拒絕化模型的刑事案件，才是這個論點的真正試煉——而按照目前軌跡，研究人員預期它正在路上。