Abliteration.ai mette in rete modelli open-weight privi di guardrail
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La startup ospita versioni modificate di modelli come GLM-5.3, interrogabili via browser o API, con l'obiettivo dichiarato di abilitare red‑teaming e test offensivi.
Abliteration.ai mette online versioni “sbloccate” di modelli open-weight, fra cui GLM-5.3 di Z.ai. Le risposte non passano filtri di rifiuto. L’accesso avviene dal browser o via API. Il servizio nasce per richieste che altri sistemi negano1.
Il nome descrive l’operazione: eliminare la tendenza del modello a dire no. Non propone un toolkit da assemblare. Offre un endpoint pronto. L’esempio citato è GLM-5.3, rilasciato di recente da Z.ai, disponibile nella variante senza guardrail sulla piattaforma1.
La società dichiara l’obiettivo con parole nette: “offensive cyber, red-teaming, and agent testing work other models refuse to do”1. La logica è quella del test di sicurezza. Per valutare una difesa servono output concreti. Anche quando includono istruzioni o codice di exploit. Se il modello rifiuta, il red team non può riprodurre la minaccia in modo fedele1.
La rimozione dei blocchi apre però un secondo fronte. Le stesse capacità possono servire scopi pericolosi fuori dai test. Il servizio abbassa l’asticella di accesso a istruzioni che altri sistemi filtrano. La descrizione del progetto riconosce il trade-off1.
L’abliteration non è nuova. Tra gli open-weight circola da anni. Ricercatori e sviluppatori hanno ripetutamente rimosso meccanismi di rifiuto da modelli pubblici. Un indizio arriva dalla distribuzione su Hugging Face: compaiono migliaia di modelli marcati come “abliterated”1.
La novità sta nell’impacchettamento. Un intervento tecnico diffuso diventa un servizio centralizzato. Non serve clonare repository né modificare pipeline. Un’interfaccia web e un’API forniscono risposte senza rifiuti. Cambia il punto d’accesso, non la tecnica di base1.
La piattaforma indica un perimetro d’uso operativo. Red-teaming e test di agenti richiedono modelli che non bloccano richieste dannose. Abliteration.ai si posiziona su quel bisogno e cita GLM-5.3 come prova di disponibilità. L’impostazione comporta il rischio di impieghi fuori contesto. Produce output che sistemi convenzionali non erogano1.
Il confronto con ciò che esiste già fa emergere una differenza pratica. Su Hugging Face l’utente deve scegliere, scaricare, configurare. Qui trova un unico punto pronto all’uso. Per chi deve porre domande che altri modelli respingono, la soglia d’ingresso diventa un URL e una chiave API1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.