Abliteration.ai veröffentlicht abliteriertes GLM-5.3-Modell für offensive Cyber-Sicherheit

Abliteriertes GLM-5.3-Modell für offensive Cyber-Sicherheit veröffentlicht

Abliteration.ai hat das Modell „abliterated-model-large-v2“ veröffentlicht. Es basiert auf GLM-5.3, ist nach Angaben des Anbieters abliteriert – also von Verweigerungsverhalten befreit – und für offensive Cyber-Sicherheit, AI Red Teaming und Agententests feingetunt. Das Modell ist über eine API verfügbar; laut explainx.ai erfolgte die Veröffentlichung am 31. August 2026. Der Hersteller bewirbt es als eines der ersten großen abliterierten Modelle, die über eine API angeboten werden. Diese Neuerung ist bedeutsam, weil Abliteration bisher meist ein lokaler Prozess war: Nutzer mussten selbst ein Open-Weight-Modell mit Tools wie Heretic abliterieren und etwa 20 Minuten warten. Jetzt wird dieser Workflow als gehosteter Dienst angeboten, was den Zugang erheblich vereinfacht.

Technisch funktioniert Abliteration so: Das Verfahren findet die Richtungen in den Aktivierungen des Modells, die Verweigerungsantworten erzeugen, und entfernt sie aus den Gewichten. Andere Fähigkeiten wie logisches Denken, Code-Erstellung und agentisches Verhalten bleiben dabei unverändert. Zusätzlich wurde das Modell feingetunt, damit es lange, technische und adversarielle Aufgaben nicht vorzeitig abbricht. Genau diese Kombination macht es besonders geeignet für offensive Cyber-Sicherheit, Red Teaming und Agententests: Es lehnt entsprechende Anfragen nicht ab, sondern führt sie aus – anders als viele andere APIs, die solche Workflows blockieren. Das Modell wird ohne eingebaute Sicherheitsrichtlinie ausgeliefert; Kunden können eigene Regeln pro Anfrage oder Projekt festlegen. Bestehende API-Kunden müssen lediglich die Modell-ID ändern.

Technik, Preis und Benchmarks im Überblick

Das Modell ist text-only und hat ein Kontextfenster von einer Million Token. Es wird in FP8 gehostet – einer 8-Bit-Gleitkomma-Präzision, die Speicherbedarf und Rechenaufwand reduziert und so effizienteres Hosting sowie niedrigere Kosten ermöglicht. Der Preis beträgt einheitlich 5 US-Dollar pro eine Million Token für Input und Output. Erreichbar ist das Modell über OpenAI-kompatible, Anthropic-style und /v1/responses Endpoints, was die Integration in bestehende Systeme erleichtert. Nach Angaben des Anbieters werden Prompts und Antworten standardmäßig nicht gespeichert und nicht für Training verwendet (Zero Data Retention) – ein klarer Datenschutzvorteil. Die Dokumentation nennt drei Reasoning-Modi: low, high und max. Diese steuern den Denkaufwand: low liefert schnelle Antworten, high gründlicheres Denken, max maximale Tiefe. Nutzer können so je nach Aufgabe zwischen Geschwindigkeit und Genauigkeit wählen.

Als Benchmark-Werte gibt der Hersteller an: CyberGym 84,5 Prozent pass@1, Terminal-Bench 4.0 41,8 Prozent und ExploitGym 105 von 869 Aufgaben in zwei Stunden. Diese Werte sind nicht unabhängig verifiziert; explainx.ai zufolge stammen sie aus Selbsttests des Basis-Modell-Herstellers Z.ai. nano-gpt.com listet für das Modell derzeit keine Benchmark-Daten. Die Vorgängerversion „abliterated-model-large“ basierte auf GLM-5.2, war ebenfalls text-only mit einer Million Token Kontext und kostete ebenfalls 5 US-Dollar pro eine Million Token. Der Wechsel auf GLM-5.3 bringt laut Hersteller eine deutliche Steigerung der Cyber-Exploitation: von 29 auf 105 gelöste ExploitGym-Aufgaben in zwei Stunden.