当“去护栏”成为服务：Abliteration.ai押注无拒答模型

导语

给人工智能模型加上安全护栏，已经是主流服务的标准做法；但在开放权重模型生态中，移除拒答倾向的做法同样存在多年。初创公司 Abliteration.ai 正试图把这一边缘化、分散化的技术实践，变成普通用户可以直接购买和调用的服务。

核心要点

• 从模型修改走向云端服务。 Abliteration.ai托管经过“abliteration”处理的开放权重模型，包括近期发布的 GLM-5.3，用户无需自行下载模型、准备算力，就能通过浏览器或API访问。
• 公司将目标定位为安全测试。 创始团队认为，若模型拒绝生成有效的攻击代码，防守方就难以复现攻击者行为，因此无护栏模型可以用于网络攻防演练、红队测试和智能体评估。
• 实际滥用门槛明显下降。 TechCrunch测试发现，平台上的模型能够响应多类原本会被安全机制拦截的高风险请求。虽然平台仍保留少量限制，并允许客户自行添加审核层，但整体控制尚未成熟。
• 身份核验和责任边界尚未确定。 公司目前除记录付费信用卡信息外，没有实施完整的KYC流程。创始人也承认，如何判断客户是否值得获得这类能力，仍是一个没有定论的问题。

安全价值与风险并存

支持者提出了一个具有吸引力的安全逻辑：攻击者不会等待商业模型批准请求，防守方若只能使用经过严格限制的模型，就可能无法充分测试金融机构、航空公司和关键基础设施中的AI系统。一些红队公司也认为，攻击者已经在自行修改模型，公开提供类似工具能让研究人员更快了解风险边界。

但“让防守方拥有同样工具”并不自动等于提升安全。安全研究需要场景隔离、授权证明、操作审计和结果控制，而一个可注册、可直接对话的服务，可能将这些环节压缩到最低。批评者担心，移除护栏会让模型更容易生成网络攻击或生物安全相关的危险内容；更重要的是，这类能力一旦被规模化托管，扩散速度可能超过平台的审查和响应能力。

技术上，abliteration也并非没有代价。部分红队从业者表示，他们更倾向于微调原本护栏较少的开放模型，并认为去除拒答机制可能损失模型的一些知识或能力。另一些专家则认为，即便模型整体能力有所下降，它仍可能诱导出对压力测试有价值的行为。

影响：模型开放之后，治理不能只盯着权重

这起案例说明，开放权重模型的风险治理不能只依赖发布时的安全训练。只要模型权重可以被下载，护栏就可能被重新修改；真正值得监管的，或许还包括托管服务、GPU租赁、客户身份和高风险用途检测。

专家提出的方向包括：要求相关服务部署网络攻击和生物风险分类器，强化高性能算力租赁的客户核验，并在发现明显滥用迹象时限制访问。对企业而言，使用无护栏模型开展红队工作也应建立授权范围、沙箱环境和日志留存。Abliteration.ai的商业化尝试尚未证明这条路线究竟会让互联网更安全还是更危险，但它已经把一个原本主要存在于开源社区的技术问题，推入了服务责任与公共治理的现实讨论。

来源：TechCrunch AI