DeepSeek V4.1 Flash 遭「消融」：日本开发者称已摸清破坏其护栏之法
teortaxesTex · x · 2026-10-21
日本本地 LLM 开发者 Hikari（@Hikari07jp）称，DeepSeek V4.1 Flash 1017 的拒答机制可用既有抽取方法绕过，且他已逐渐摸清「优雅地破坏该模型护栏」的方法，目标是把它用作漏洞诊断工具链的编排器，打算彻底攻关。他测试后认为结果不适合公开，NSFW 用途下该模型性能过剩且吃显存；完成 abliteration（消融拒答）后计划通过 API 借给开源开发者使用。转发者评论称「明白了自己的爱好是台印钞机」。
所属事件:日本开发者剖析 DeepSeek V4.1 Flash 两段式安全护栏(2 条相关)→
「模型」频道最新
- 中文 X 热议：智谱、Kimi、DeepSeek 三种开源哲学的段子 — teortaxesTex · 2026-10-21
- 用 41 种蓝色按钮实测 AI agent:它们真的对某些颜色有偏好 — danshipper · 2026-10-21
- Persimmon 发布 Amp：长程模拟训练的智能体模型 — Diyi_Yang · 2026-10-21
- Grok 翻译《庄子》「蟪蛄不知春秋」,KOL 感叹模型在进化 — teortaxesTex · 2026-10-21
- 初创 humans& 发布协作模型 Ampersand，主打「为人协作」而非替代 — niloofar_mire · 2026-10-21
- K线版GPT:开源模型Kronos读120亿根K线预测走势，附免费搭建教程 — Roger_M_Taylor · 2026-10-21