LinkCantina SecurityTool
Sicherheitsanalysten und Pentester benötigen ungefilterte Modelle für Schwachstellentests, müssen bei abliterierten Varianten jedoch ungeprüfte Leistungs- und Zuverlässigkeitsgrenzen einkalkulieren.
Das Modell cantina-security/apex-flash-1-abliterated ist ein experimenteller Ableger von apex-flash-1, entwickelt von Cantina Security in Partnerschaft mit Yeta (@yetalabs). Als technische Basis dient die GLM-5.3-Flash-Architektur mit 321 Milliarden Parametern im BF16-Safetensors-Format. Das System behält die multimodale Image-Text-to-Text-Verarbeitung des Ursprungsmodells bei.
Im Zentrum der Abliterated-Variante steht die Modifikation des Verweigerungsverhaltens (Refusals). Die Entwickler betonen, dass diese Eingriffe nicht auf Sicherheitsaufgaben beschränkt sind, sondern das Modellverhalten übergreifend verändern. Der vorgesehene Einsatzzweck beschränkt sich auf autorisierte Sicherheitsforschung in Umgebungen, an denen Forschende Eigentums- oder Freigaberechte besitzen.
Für diesen Ableger wurde keine eigenständige Vollevaluation durchgeführt. Die Leistungswerte des regulären apex-flash-1 sind nicht direkt übertragbar, da gelockerte Refusal-Filter keine automatische Verbesserung von Zuverlässigkeit oder Aufgabenpräzision bedeuten. Auch die Bildverarbeitung wurde nicht separat re-evaluiert. Die Bereitstellung ist lokal oder auf Servern über Bibliotheken wie Transformers, vLLM, SGLang oder Docker Model Runner möglich.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 9. November 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
X-Post:Cantina
Cantina hat apex-flash-1 vorgestellt, ein Open-Weights-Modell für Sicherheitsforschung. Das Modell wurde mit Daten zu realen Sicherheitslücken nachtrainiert, für die das Team Belohnungen erhalten hat. Zudem erscheint eine abliterierte Version für autorisierte Workflows.
1508Lesezeichen270.433Aufrufe
Link:OrcaRouter
OrcaRouter hat eine modifizierte FP8-Version des multimodalen Modells Qwen3.8-27B auf Hugging Face bereitgestellt. Durch gezielte Abliteration wurde die interne Verweigerungsrichtung entfernt, um das Modell für Red-Teaming und Sicherheitsforschung ohne Schutzfilter nutzbar zu machen.
Link:Z.ai
Z.ai hat mit GLM-5.3-Flash das erste nativ multimodale Modell der GLM-5-Reihe unter MIT-Lizenz auf Hugging Face bereitgestellt. Mit 320 Milliarden Gesamtparametern und 18 Milliarden aktiven Parametern zielt das Modell auf hohe Effizienz bei Programmier- und Agenten-Workloads ab.
Link:PocketAiHub
PocketAiHub hat eine inoffizielle Reihe von MLX-Konvertierungen des multimodalen Modells Qwen3.8-27B veröffentlicht. Durch 'Abliteration' wurde das antrainierte Verweigerungsverhalten (Refusals) modifiziert. Das Repository bietet Quantisierungen von 2-Bit AWQ bis BF16 speziell für Apple Silicon.
X-Post:O
In einer Diskussion um GLM-5.3-Flash empfiehlt Nutzer O spezialisierte Fine-Tuning-Modelle auf Hugging Face. Swift 1.5 von UkisAI reduziert Denk-Tokens für den Alltagseinsatz drastisch, während Cantinas apex-flash-1-abliterated auf Sicherheitsanalysen ausgelegt ist. Laut dem Autor übertreffen diese Varianten sowohl das Basismodell als auch DeepSeek.
13Lesezeichen468Aufrufe
Link:Empero AI
Empero AI veröffentlicht Qwythos-27B-v1, ein vollständiges Open-Weight-Reasoning-Modell auf Basis von Qwen3.5-27B. Der Checkpoint behält Multi-Token-Prediction (MTP), Vision-Fähigkeiten und ein auf über 1 Million Token erweitertes Kontextfenster bei und wurde gezielt für Terminal- und Agenten-Workflows optimiert.
Ein Teil von diesem Inhalt wurde mit KI gemacht.
