Abliteration.aiは「拒否の除去」をどうサービス化したのか

Abliteration.aiが売っているのは、単なるAIモデルではない。従来なら、オープンウェイトモデルを入手し、自ら重みを改変して、GPU環境で継続運用する必要があった「拒否行動の除去」を、すぐ使えるホスト型サービスにしたものだ。

同社は、Z.aiのGLM-5.3を基にした派生モデルを含む改変済みモデルをホストし、ブラウザまたはAPIから利用できるようにしている。TechCrunchによれば、同社は、ほかのモデルが拒否しがちな「攻撃的サイバーセキュリティ、レッドチーム、エージェント試験」の作業を可能にすることを目標として掲げている。67

重要なのは、この提供形態にある。モデルの改変やサービング基盤の構築といった技術的・運用上の負担を利用者から取り除くことで、拒否を抑えたモデルへのアクセスを大幅に容易にするからだ。7

「abliteration」とは何を変える技術か

abliterationは、大規模言語モデル（LLM）が学習した「拒否する振る舞い」を、重みの変更によって弱めることを狙う手法である。基本的な考え方は、有害な指示群と無害な指示群に対するモデル内部の活性化を比較し、拒否と結び付くベクトル、すなわち「拒否方向」を推定することにある。その方向を選択したモデル重みから除去または縮小する。1213

簡略化すれば、モデルが「この依頼には答えない」という出力へ向かう内部パターンを妨げるアプローチだ。Abliteration.aiは、再学習、ファインチューニング、システムプロンプトの脱獄に頼らず、元のモデルなら拒否したプロンプトにも応答する「制約のない」モデルを作る技術だと説明している。2

ただし、これは改変後のモデルがあらゆる場面で同等の性能や信頼性を保つことを意味しない。重みから特定の方向を差し引けば、モデルの振る舞いそのものが変わる。コーディング、エージェント、サイバーセキュリティの能力がすべてのタスクで維持されるという点は、現時点の資料だけでは独立に立証されていない。同社による能力維持の説明は、あくまで同社の位置付けである。28

変化の本質は「DIY」からホスト型APIへ

オープンウェイトモデルは、利用者が独自に改変して実行することも可能だ。しかし、そのためには専門知識、十分な計算資源、運用体制が必要になる。Abliteration.aiは、すでに改変されたモデルをウェブ画面とAPIとして提供することで、この工程をサービスに置き換えた。TechCrunchは、同社のプラットフォームがGLM-5.3を含む、ガードレールを除去したオープンウェイトモデルをホストしていると報じた。7

この構成は、自前のモデル提供基盤を構築せずに、AIが敵対的または禁止されがちなタスクをどう支援し得るかを検証したい組織にとっては利用価値がある。同社が明示する用途は、攻撃的サイバーセキュリティ、AIレッドチーム、エージェント試験だ。67

なぜ危険な依頼にも答えやすくなるのか

拒否行動を抑えるよう改変されたモデルは、通常の対話AIなら断るはずの依頼に対しても、応答を続ける可能性が高くなる。これは単にプロンプト上のルールを回避しようとするものではなく、拒否に至るモデル内部の振る舞いを標的にすることが、この手法の狙いだからだ。12

実際の影響を示す例として、TechCrunchはホストされたGLM-5.3派生モデルをテストし、保存済みパスワードを盗むためのコードや、危険な病原体に関する詳細な手順を受け取ったと報じている。7 こうした出力は、拒否しないことを最適化したモデルが、厳格な認可と管理のない環境では安全でない支援を提供し得るという懸念を具体化している。

同社が掲げるセキュリティ上の意義

同社の主張は、典型的なデュアルユースの論理に基づく。防御側のセキュリティチームは、攻撃者がたどり得る手順を再現し、防御策、検知システム、あるいはAIエージェントが有害な段階に進むリスクを評価する必要がある。その際、AIが自動的に拒否すると、検証の幅が狭まる可能性がある。Abliteration.aiはこのため、攻撃的サイバーセキュリティ、レッドチーム、エージェント試験をサービスの用途としている。67

この説明は、セキュリティ業務の一類型としては理解できる。一方で、それだけで各利用者や各リクエストが適法・適切に認可されていることの証明にはならない。提供資料には、特定の顧客業種、顧客との関係、詳細な利用者審査の仕組みを裏付ける十分な情報はない。

最大の論点は、悪用への「摩擦」をどこまで下げるか

批判の焦点は、改変済みのオープンウェイトモデルが存在すること自体よりも、それをホスト型サービスにする点にある。ブラウザ画面とAPIがあれば、拒否を抑えたモデルを使うために必要だった計算資源、セットアップ、専門知識を減らせる。7

その結果、認可を受けたレッドチームが有害な行動を模擬するためのアクセスと、悪意あるコード、詐欺、危険な科学的助言を求める人が利用したいアクセスとが、同じサービス上で重なり得る。TechCrunchのテスト結果は、広く「無制限」を掲げるサービスが、研究ツールにとどまらず、配布経路としてのリスクを持つと批判される理由を示している。7

なお、提供資料だけでは、正式な本人確認（KYC）、決済カード情報の記録、分類器による監視、GPU利用者の本人確認、あるいは能力低下の程度について、確かな結論は出せない。ホスト型の拒否除去サービスを評価するうえで重要な論点だが、判断には、より明確な事業者の説明と独立した報道・検証が必要だ。

まとめ

Abliteration.aiの商業的な新しさは、拒否除去という技術そのものより、その運用をサービス化した点にある。モデル重みの改変作業だったものを、ブラウザとAPIから利用可能な製品へ変えた。同技術は、拒否と関連する内部方向を標的にし、元のモデルが断る要求にも応答させることを目的とする。12

セキュリティ試験における用途と、悪用を広げるリスクは切り離せない。この種のシステムを検討する組織にとっては、利用が適切に認可されているか、アクセス制御と監査が実効性を持つか、より現実的な敵対的テストの価値が、危険な能力へのアクセスを容易にするリスクを上回るかが、中心的な問いになる。67