GLM-5.3 去审查版 3 分 41 秒完成红队攻击,原版直接拒绝
bratton · x · 2026-11-04
RouterHub 用同一组红队提示词对比了 GLM-5.3 与其去审查变体 GLM-5.3-Abliterated:原版直接拒绝任务,而 abliterated 版在 3 分 41 秒内利用了目标,整次运行成本仅 $0.02。
背景:
- Abliteration 是一种权重级技术,通过修改与拒答相关的表征来削弱模型的拒绝行为,区别于系统提示或微调
- RouterHub 以独立 API ID 提供多种去审查变体(如 GLM 5.3 Flash Abliterated、DeepSeek V4 Pro Uncensored 等),各自定价,例如 DeepSeek V4 Pro Uncensored 为输入 $0.2/输出 $0.4 每百万 token
该案例直观展示了去除安全护栏后模型能力的另一面,也是 AI 安全讨论中的典型风险实证。
「模型」频道最新
- 网友催更 Kimi K3.1:问月之暗面模型权重何时放出 — bgmshana · 2026-11-04
- Muse Spark Open 许可证藏着坑：蒸馏产物也算衍生模型 — aidenclarke_12 · 2026-11-04
- 腾讯 Hy4 智能体硬测仍逊 GPT-6.1,Kimi K3.1 Pro 两项反超 — heyshrutimishra · 2026-11-04
- 腾讯 Hy4 智能体自训小模型超越官方基线,称迈向递归自我改进 — heyshrutimishra · 2026-11-04
- Hy4 金融实测：579 项真实任务开源第一，幻觉率降至 5.45% — heyshrutimishra · 2026-11-04
- 腾讯混元预告即将开放接入 LMArena 评测 — TencentHunyuan · 2026-11-04