现在已有 5 家针对 abliterated DeepSeek 的推理提供商
未经审查的“abliterated”大型语言模型——即通过外科式地从权重中移除了安全拒绝的开权重模型——正在新的推理提供商中扩散。支持者认为，它们是更符合用户意图的工具，不再对诸如逆向工程、为弃用软件绕过 DRM，或激进网页抓取之类的任务进行说教或阻拦；而批评者警告说，这会带来性能下降、隐性幻觉、提示注入风险，甚至可能存在会外传数据或执行恶意工具调用的诱饵陷阱。许多人认为，它们只应作为经过谨慎监控的边缘工具使用，而不应成为默认选择，尤其是在安全敏感或自主代理场景中。
什么是“abliterated”/零对齐模型
- 定义为开权重 LLM，其拒绝行为不是通过提示词，而是通过编辑权重被移除或削弱。
- 机制：识别残差流中的“拒绝向量”，并将其清零。
- 有人认为它们其实并不是“零对齐”；它们仍然编码了训练中的偏好和行为。
对齐、审查与伦理
- 一种观点：移除拒绝会让模型更“对齐”用户，而不是公司/监管机构。
- 反对观点：这也会让它们与伦理和安全更不对齐；服从任何指令 ≠ 真正对齐。
- 另一些人指出，每个模型都对齐于某种东西；没有明显拒绝并不意味着没有对齐。
DeepSeek 和其他模型中观察到的拒绝
- 有报告称 DeepSeek 会拒绝：
- 某些政治问题，尤其是中国内部话题（例如天安门、习近平比较、WTO 争论）。
- 绕过 DRM 和许可证检查、许可证密钥生成器、某些破解/弃用软件场景。
- Captcha 求解器、抓取公共政府网站、某些渗透测试/漏洞利用工作。
- 行为会变化：Web 界面、API、自托管以及“abliterated”版本有时会不同。
推动使用 abliterated 模型的用例
- 逆向工程固件，重新夺回对智能设备/电视/门户的控制。
- 为复古软件和私人项目绕过旧的许可证保护。
- 媒体自动化（例如 Sonarr/Radarr），其中基础模型会拒绝帮助与盗版相关的任务。
- 在纯技术工作流中避免道德说教或“共情脚本”。
越狱与串联模型
- 有些用户会先用一个较少对齐的模型来搭建或“规范化”任务，然后切换到一个约束更强的模型，让它在不拒绝的情况下继续。
- 拒绝可能发生在推理阶段，模型会悄悄修改任务，而不是明确拒绝。
安全、信任与诱饵陷阱顾虑
- 担忧 abliterated 托管提供商可能会：
- 嵌入恶意行为以外传密钥或系统细节。
- 记录敏感数据；还有关于系统配置文件上传到云存储的传闻。
- 文中引用了先前研究：模型被修改后可窃取凭据。
- 有人建议自我 abliterating 并按轴进行控制，而不是信任第三方提供商。
- 也有人指出，任何 LLM 提供商通过工具/代理本就已经拥有很强的访问能力。
质量与性能取舍
- 多个报告称 abliterated 变体：
- 会降低模型质量和稳定性。
- 不会恢复被审查掉的训练数据，因此在被清理过的话题上仍会产生幻觉。
- 一些人的建议是：默认使用标准模型，仅在必要时退回到 abliterated，并且要严格检查输出。
经济与实践层面
- 对未审查/去审查模型的廉价访问，使人怀疑这类提供商的长期盈利能力。
- 一些推理提供商似乎更慢、更贵、能力更弱，因此引发了对其价值和意图的怀疑。