Abliteration.ai: Kommerzieller Zugang zu entschärften Sprachmodellen

Startup verkauft Zugang zu entschärften Sprachmodellen per API

Das US-Startup Abliteration.ai hat ein Geschäftsmodell daraus gemacht, trainierte Verweigerungsmechanismen aus Open-Weight-Sprachmodellen zu entfernen. Die modifizierten Modelle werden als gehosteter, zu OpenAI und Anthropic kompatibler API-Dienst angeboten. Ende August veröffentlichte das Unternehmen das Modell "abliterated-model-large-v2", eine veränderte Version von Z.AI's GLM-5.3, die sensible Anfragen deutlich seltener ablehnt. Nutzer können die Modelle über Webbrowser oder API abfragen, ohne eigene GPU-Infrastruktur zu betreiben. Die API ist kompatibel mit der OpenAI Chat Completions API und der Anthropic Messages API; bestehende SDKs lassen sich durch Änderung der Base-URL umstellen. Das Unternehmen bewirbt den Dienst als "AI that does what you allow and nothing you don’t" und als Möglichkeit, "Build what other LLMs refuse" zu können. Die Preise betragen laut Anbieter 20, 50 oder 200 US-Dollar pro Monat, abgerechnet wird nach Tokens über Credits. Abliteration.ai wurde laut TechCrunch Ende des Vorjahres gegründet und im März offiziell als Unternehmen eingetragen. Der Dienst positioniert sich für Red Teams, Trust & Safety, synthetische Daten, ML-Forschung sowie Defense/Government-Workflows.

Abliteration: Wie die Schutzmechanismen entfernt werden

Die Technik namens Abliteration findet interne Aktivierungsmuster im Modell, die Verweigerungen auslösen, und verändert die Modellgewichte, um diese Muster zu unterdrücken. Es handelt sich um eine Modelländerung, nicht um einen Prompt-Jailbreak: Nicht die Eingabe wird manipuliert, sondern das Modell selbst dauerhaft verändert, sodass es auch ohne spezielle Prompts keine Verweigerungshaltung mehr zeigt. Abliteration.ai gibt an, dass Coding-, Cyber- und Agentic-Fähigkeiten nach der Abliteration weitgehend erhalten bleiben.

Die Praxis ist in der Open-Source-Szene seit Jahren verbreitet, weil Open-Weight-Modelle ihre Gewichte offenlegen und die Technik nur geringe technische Hürden aufweist. Ein kostenloses Tool wie Heretic auf GitHub kann Safety-Protections von Modellen wie Meta Llama 3.3 oder Google Gemma 3 in unter zehn Minuten ohne Spezialhardware entfernen – ein Laptop genügt. Entwickler nutzen Abliteration aus unterschiedlichen Motiven: Sicherheitsteams und Red Teams benötigen Modelle, die funktionierenden Exploit-Code oder Angriffsszenarien reproduzieren, um Verteidigungsmaßnahmen zu testen; andere wollen synthetische Datensätze mit problematischen Edge-Cases erzeugen oder das Verhalten von LLMs ohne „Refusal Theater“ untersuchen. Gleichzeitig senkt die Einfachheit die Schwelle für Missbrauch: Cyberkriminelle haben bereits Zugang zu abliterierten Versionen, und die große Zahl gehosteter Modelle auf Hugging Face – Tausende – zeigt, dass entschärfte Varianten weit verbreitet und leicht auffindbar sind. Der Heretic-Ersteller berichtet von über 3.500 erzeugten Modellvarianten und 13 Millionen kumulierten Downloads, was die konkrete Auswirkung verdeutlicht: Sicherheitszusagen der Hersteller lassen sich nach der Veröffentlichung faktisch nicht mehr durchsetzen.

AGB verbieten Schaden, Tests zeigen das Gegenteil

Die Nutzungsbedingungen von Abliteration.ai verlangen ein Mindestalter von 18 Jahren, die Einhaltung von Gesetzen und Exportkontrollen und verbieten illegale, schädliche oder Hochrisiko-Aktivitäten sowie die Umgehung von Authentifizierung und Rate-Limits. Prompts und Outputs werden standardmäßig nicht gespeichert. Doch ein Test von TechCrunch-Journalisten mit einem kostenlosen Konto ergab, dass das modifizierte GLM-5.3 ein Python-Programm zum Stehlen gespeicherter Chrome-Passwörter und ein detailliertes Protokoll zur Kultivierung eines für Menschen gefährlichen Pathogens erstellte. Suizid-Anleitungen verweigerte das Modell jedoch. Auch mit Heretic modifizierte Modelle beantworteten in einer gemeinsamen Untersuchung von Financial Times und AI-Safety-Gruppe Alice Prompts zu Biowaffen, Malware und Kindesmissbrauch. Der Widerspruch liegt darin, dass die AGB Nutzungsbeschränkungen sind, keine technischen Sperren; da die Refusal-Mechanismen im Modell entfernt wurden, kann es solche Inhalte generieren. Eine optionale, vom Kunden konfigurierbare Moderationsschicht soll das abfedern, war im Test aber offenbar nicht aktiv.

Preise, Kompatibilität und Zielgruppen des Dienstes

Abliteration.ai hostet die modifizierten Modelle selbst, sodass Nutzer keine eigene GPU-Infrastruktur benötigen. Die API ist kompatibel mit der OpenAI Chat Completions API und der Anthropic Messages API; bestehende SDKs können durch Änderung der Base-URL umgestellt werden. Die Preise betragen laut Anbieter 20 US-Dollar pro Monat für den Developer-Plan, 50 US-Dollar für Growth und 200 US-Dollar für Scale. Abgerechnet wird nach Input- und Output-Tokens über Credits; Prepaid-Credits verfallen nicht, und Web-Suche kostet 8 US-Dollar pro 1.000 Suchanfragen. Cached Input wird mit 10 Prozent des Standard-Input-Preises berechnet. Das Unternehmen positioniert den Dienst für Red Teams, Trust & Safety, synthetische Daten, ML-Forschung sowie Defense/Government-Workflows. Red Teams benötigen Modelle, die funktionierenden Exploit-Code oder Angriffsszenarien reproduzieren, um Verteidigungsmaßnahmen zu testen – ein Modell, das solche Anfragen verweigert, kann diese Arbeit nicht unterstützen. Trust-&-Safety-Teams können mit unzensierten Modellen verstehen, welche schädlichen Inhalte möglich sind, um bessere Filter und Richtlinien zu entwickeln. Für die synthetische Datenerzeugung sind Modelle nötig, die auch Edge-Cases und problematische Beispiele generieren, die andere LLMs ablehnen. ML-Forscher profitieren von einem Modell ohne "Refusal Theater", um Verhalten und Grenzen unverfälscht zu untersuchen. Defense-/Government-Workflows schließlich erfordern oft die Simulation von Bedrohungen in kontrollierten Umgebungen, wofür uneingeschränkte Antworten notwendig sind.

Folgen für Hersteller, Plattformen und Regulierer

Die technische Einfachheit der Abliteration untergräbt die Sicherheitsarchitektur von Open-Weight-Modellen grundlegend. Hersteller wie Meta, Google und Z.AI sehen ihre Sicherheitszusagen unterlaufen: Die FT/Alice-Untersuchung zeigte, dass mit Heretic modifizierte Modelle von Meta und Google auf Prompts zu Biowaffen, Malware und Kindesmissbrauch antworteten – die ursprünglichen Verweigerungen waren wirkungslos. Plattformen wie Hugging Face müssen mit Tausenden abliterierter Modelle umgehen; eine zuverlässige technische Erkennung ist schwierig, weil die Änderungen in den Gewichten liegen und nicht in Metadaten sichtbar sind. Regulierer stehen vor dem Problem, dass Verteilungskontrollen technisch nicht durchsetzbar sind, sobald ein Modell öffentlich ist; Pre-Release-Evaluationen greifen zu kurz. Unternehmen, die Open-Weight-Modelle einsetzen, müssen ihre Risikobewertung anpassen, da sie sich nicht auf die eingebauten Schutzmechanismen verlassen können. Der verwandte Archiv-Artikel zu Post-Training und Benchmarks wird verlinkt.