Biztonsági szűrők nélkül kínálnak MI-modelleket startupok

Röviden:

• Az Abliteration.ai a nyílt súlyú GLM-5.3 módosított változatát kínálja szolgáltatásként, amely ritkábban utasít el biztonságérzékeny kéréseket.[^1]
• A vállalat szerint a modell kódolási, kiberbiztonsági és ügynöki képességeinek jelentős része megmaradt, de a közzétett összehasonlítások korlátozottan vethetők össze.[^1][^2]
• A szolgáltatás egyszerűbbé teheti a jogosultsággal végzett biztonsági teszteket, ugyanakkor a visszaélések belépési küszöbét is csökkentheti.[^1][^4]
• A kutatások szerint a védelmi elutasítások eltávolítása a modell más viselkedési tulajdonságait is megváltoztathatja.[^5][^6]

Az amerikai Abliteration.ai olyan, módosított nyílt súlyú MI-modellt értékesít API-szolgáltatásként, amelyből részben eltávolították a beépített biztonsági korlátozásokat. A vállalat ezt elsősorban támadó jellegű kiberbiztonsági tesztekhez, MI-red teaminghez és vállalati ügynökök vizsgálatához pozicionálja, miközben a konstrukció a hozzáférés ellenőrzéséről és a szolgáltatói felelősségről is vitát nyit.[^1]

Az Abliteration.ai és a módosított GLM-5.3 modell

Az Abliteration.ai augusztus végén mutatta be az „abliterated-model-large-v2” nevű rendszert. Ez a Z.AI GLM-5.3 modelljének átalakított változata. Az úgynevezett abliteration eljárás során a fejlesztők a modellben olyan belső aktivációs mintákat keresnek, amelyek az elutasító válaszokkal függnek össze, majd a modell súlyait úgy módosítják, hogy ezek a minták kevésbé érvényesüljenek.[^1]

Ez nem egyszerű promptalapú védelemmegkerülés: a beavatkozás közvetlenül a modell paramétereit érinti. A cég állítása szerint a kódolási, kiberbiztonsági és autonóm ügynöki képességek jórészt megmaradnak a módosítás után is.[^1]

Saját mérések és korlátozott összehasonlíthatóság

A vállalat saját értékelései szerint a módosított modell 84,5 százalékos eredményt ért el a CyberGym teszten, 41,8 százalékot a Terminal-Bench 4.0 teszten, továbbá két óra alatt 105 ExploitGym-feladatot oldott meg.[^2] A táblázatok alapján ugyanakkor nem minden mérésben ez a legerősebb rendszer, és az Abliteration.ai is jelzi, hogy az eltérő tesztkörnyezetek és számítási keretek miatt az eredmények csak fenntartásokkal hasonlíthatók össze.[^1][^2]

Nyílt súlyok, kereskedelmi hozzáférés

A GLM-5.3 választását az magyarázza, hogy a modell nyílt súlyokkal érhető el, licencfeltételei pedig lehetővé teszik a módosítások, származtatott rendszerek és kereskedelmi „modell mint szolgáltatás” ajánlatok létrehozását.[^3] Az Abliteration.ai ezért jogszerűen módosíthatja, saját infrastruktúrán futtathatja és értékesítheti a hozzáférést a modellhez.[^1][^3]

A vállalat a módosított súlyokat nem teszi nyilvánosan letölthetővé. Ehelyett maga végzi az üzemeltetést, így az ügyfeleknek nem kell egy nagy méretű modellt letölteniük vagy saját grafikusprocesszor-infrastruktúrát fenntartaniuk. A szolgáltatás listaára egymillió bemeneti vagy kimeneti tokenenként öt amerikai dollár.[^1]

„Az adatokat nem tároljuk” – foglalja össze az Abliteration.ai adatkezelési tájékoztatójának lényegét a promptokra és válaszokra vonatkozóan.[^1]

A szolgáltató szerint a promptok és válaszok nem kerülnek megőrzésre, ugyanakkor az olyan működési adatok, mint a tokenmennyiség, az időbélyeg, a modellazonosító és a számlázási információk rendelkezésre állnak.[^1] Ez a megoldás csökkentheti annak kockázatát, hogy bizalmas forráskód vagy még nem nyilvános sérülékenység kerüljön a szolgáltatóhoz, de egy esetleges visszaélés tartalmi utólagos vizsgálatát is megnehezíti.[^1]

A biztonsági tesztek és a visszaélés kockázata

Az Abliteration.ai a modellt támadó kiberbiztonsági munkához, MI-red teaminghez, sérülékenységek reprodukálásához, bizonyító erejű exploitok készítéséhez, kártevőelemzéshez és szimulált adathalászati kampányokhoz ajánlja. Biztonsági teszteléshez írásos engedélyt kér a célrendszerek tulajdonosától, valamint a vonatkozó jogszabályok betartását írja elő.[^1]

A TechCrunch beszámolója szerint a szolgáltatás a tesztelés során kódot adott mentett Chrome-jelszavak kiolvasásához, illetve részletes útmutatást adott egy veszélyes kórokozó tenyésztéséhez. Az önkárosítással kapcsolatos kéréseknél ugyanakkor bizonyos védelmi mechanizmusok továbbra is működtek.[^4] Az Abliteration.ai GYIK-oldala szerint a gyermekeket érintő szexuális tartalmak blokkolva maradnak.[^1]

Az ügyfélre bízott szabályrendszer

A vállalati ügyfelek opcionális szabályozási átjárón keresztül saját előírásokat állíthatnak be: egyes kérések engedélyezhetők, blokkolhatók, módosíthatók vagy naplózhatók. Az alapértelmezett modellhozzáférés azonban nagyrészt korlátozásmentes, ezért a többletvédelmet az ügyfélnek kell aktiválnia.[^1]

Az Abliteration.ai nem elszigetelt szereplő ezen a piacon: az Audn.AI és a Silk Compute is üzemeltet módosított vagy kevésbé korlátozott modelleket biztonsági célú felhasználásra. Az Abliteration.ai ajánlatának sajátossága a friss GLM-5.3 modell, a közvetlen API-hozzáférés és a vállalati szabályozási réteg kombinációja.[^1]

Az abliteration hatása a modell viselkedésére

Egy előzetes kutatás arra utal, hogy bizonyos modelleknél az elutasítások jelentősen visszaszoríthatók anélkül, hogy a mért kódgenerálási teljesítmény ugyanilyen mértékben romlana.[^5] Más kísérletek viszont olyan feladatokban is viselkedésváltozásokat találtak, amelyeknél az eredeti modell nem utasított el kérést.[^6]

Mindez arra utal, hogy a védelmi korlátok eltávolítása nem feltétlenül egyetlen, pontosan körülhatárolható funkció kikapcsolása. A modell átfogóbb működése is megváltozhat, ezért a teljesítményt, a megbízhatóságot és a biztonsági következményeket külön is ellenőrizni kell.[^5][^6]

Összefoglaló

A nyílt súlyú MI-modellek módosíthatósága legitim alapot teremthet a jogosultsággal végzett kiberbiztonsági kutatáshoz és a vállalati rendszerek ellenőrzéséhez. A könnyen elérhető, kevésbé korlátozott szolgáltatások ugyanakkor a problémás felhasználást is egyszerűsíthetik. A következő időszak kulcskérdése az lehet, hogy a szolgáltatók, az ügyfelek és a szabályozók milyen ellenőrzési, naplózási és felelősségi kereteket alakítanak ki ezekhez a rendszerekhez.[^1][^4]

Forrás:

[^1]: THE DECODER (2026. 09. 06.). „Entfesselte KI-Modelle: Start-ups verkaufen Zugang ohne Sicherheitsfilter”. THE DECODER. Közzétéve [2026. 09. 06.].

[^2]: Abliteration.ai (2026). „Introducing abliterated-model-large-v2”. Abliteration.ai. Közzétéve [2026. 09. 06.].

[^3]: Z.AI (2026). „GLM-5.3 License”. Hugging Face. Közzétéve [2026. 09. 06.].

[^4]: TechCrunch (2026. 09. 03.). „Abliteration AI is making a business out of removing AI guardrails”. TechCrunch. Közzétéve [2026. 09. 06.].

[^5]: arXiv (2026). „Research on refusal reduction in language models”. arXiv. Közzétéve [2026. 09. 06.].

[^6]: arXiv (2026). „Experiments on behavioral effects of model ablation”. arXiv. Közzétéve [2026. 09. 06.].