abliterated-model-large-v2 指南 2026：基于 GLM-5.3 的拒绝向量移除模型

---

2026 年 8 月 31 日，Abliteration.ai（@abliteration_ai）在 X 上宣布发布abliterated-model-large-v2。基础模型是GLM-5.3（Terminal-Bench 4.0 排名第 3，仅次于 Opus 5 和 Fable）。

先给结论：abliterated-model-large-v2 是一个基于 GLM-5.3 的商业模型，只从激活向量中移除「触发拒绝回应」的方向。网络安全性能约为前代 2 倍，能在其他模型中途拒绝的任务上一直执行到底——面向授权的红队、AI 安全测试和信任与安全（T&S）工作。它配备 100 万令牌上下文、FP8 量化、零数据保留和企业策略网关。

「AI that does what you allow and nothing you don't（AI 只做你允许的事）」——这就是核心理念。卖点不是「无限制」，而是「受策略治理的无限制」。

本文介绍 abliterated-model-large-v2 是什么、原理、性能和用法。

abliterated-model-large-v2 是什么

abliterated-model-large-v2 是 Abliteration.ai 提供的已移除拒绝向量的商业 LLM API。

什么是去抑制（Abliteration）

去抑制是一种分析模型激活向量、移除触发拒绝回应的方向的技术。

• 模型的拒绝表现为沿特定「方向」的激活
• 只移除这些方向，编码、网络、智能体能力全部保留
• 实现「中途不停止」的智能体链式操作

「No hand-holding, no moralizing, no partial answers（不手把手、不说教、不给部分答案）」——以模型本人口吻发布的帖子，精准刻画了这个产品的性格。

性能：网络性能约为前代 2 倍

Abliteration.ai 公布的基准（GLM-5.3 基础・去抑制前的能力）：

• CyberGym 84.5%：超越最新竞品（Mythos 5・GPT-5.6 Sol）的 SOTA
• ExploitBench 54.4：前代（5.2）的 24.4 的约 2 倍
• ExploitGym 2 小时 105 个任务：从前次的 29 个大幅增加
• Terminal-Bench 4.0 第 3 名（基础模型实力）：仅次于 Opus 5 和 Fable

热度：发布帖获得217 万浏览・6.4K 点赞・395 转推・417 引用・6.1K 收藏，引发巨大讨论。另一方面，OpenAI 的 Nick Cammarata 只回了一个「👎」——业内对这款产品褒贬不一，存在伦理担忧。

原理：企业策略网关

Abliteration.ai 最大的差异化：「无限制」但要受策略治理，而不是完全放任。

5 种策略结果

每个模型请求都会根据策略产生 5 种结果之一：

• 理由代码流式输出：发送到 Splunk・Datadog・Elastic・S3・Azure Monitor 作为审计日志
• 零数据保留：提示词只存在于请求期间；输出、元数据、训练信号一律不保存
• 策略即代码：为任何用例或界面配置自定义策略

用法：一次 API 调用开始

OpenAI 兼容 API

curl https://api.abliteration.ai/v1/chat/completions \
  -H "Authorization: Bearer $ABLIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "abliterated-model",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

现有 SDK 只改 base URL 即可

// before
const openai = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

// after
const openai = new OpenAI({
  apiKey: process.env.ABL_KEY,
  baseURL: "https://api.abliteration.ai/v1",
});

• 支持 OpenAI SDK・Claude Code CLI・Codex CLI・OpenClaw・Python/JS/Go SDK
• 内置训练数据生成（如 SFT JSONL・10,000 条）是标准功能

定价

总结

abliterated-model-large-v2 是一个通过拒绝向量移除、把授权的安全工作执行到底的商业 LLM API。

• ✅ 基于 GLM-5.3・Terminal-Bench 4.0 第 3 名
• ✅ 网络性能约为前代 2 倍（ExploitBench 24.4→54.4）
• ✅ CyberGym 84.5% SOTA（超越 Mythos 5 与 GPT-5.6 Sol）
• ✅ 100 万令牌上下文・FP8・零数据保留
• ✅ 企业策略网关：只做你允许的事
• ✅ OpenAI 兼容 + Anthropic API・只改 base URL 即可用现有 SDK

重要提醒：这是一款「无限制模型」，面向授权的安全工作（红队・T&S 测试）。对普通开发用途或一般用户来说不仅不需要，误用还会带来法律和伦理风险。Nick Cammarata 的「👎」说明业内分歧明显。请务必只在授权、合法的范围内使用。

链接

• X（发布帖）：https://x.com/abliteration_ai/status/2094458081451393287
• 官网：https://abliteration.ai/
• 文档（Quickstart）：https://docs.abliteration.ai/quickstart
• 相关文章（DeepSeek-V4 abliterated GGUF）：https://cldnavi.com/blog/deepseek-v4-flash-abliterated-gguf-guide-2026/
• 相关文章（Qwen3.8-27B-AEON）：https://cldnavi.com/blog/qwen3.8-aeon-uncensored-guide-2026/