OrcaRouter、セキュリティ研究モデル「GLM-5.3-Flash-Uncensored」公開

AIシステムのセキュリティ検証では、攻撃者視点のレッドチームと防御側のブルーチームの双方が、実環境に近いモデルの振る舞いを確認することが重要です。しかし、通常の安全フィルタリングが施されたモデルでは再現が難しい検証ケースがあります。そこで、米国のAI研究機関Continuum AIは、研究用途に限定した形でフィルタリングを緩和したモデルを提供する方針をとりました。

「GLM-5.3-Flash-Uncensored」は、Z.ai社が公開したオープンウェイトLLM「GLM-5.3-Flash」をベースにしています。総パラメータ320B、アクティブ18BのMoE構成で、1Mトークンのコンテキストに対応します。LoRAや脱獄プロンプトを使わず、拒否応答の除去をモデルのウェイトに直接適用している点が特徴です。そのため、元のブロックFP8精度のまま利用できます。

開発元の検証では、有害リクエストへの拒否率が大幅に低下しました。MaliciousInstructでは96%から11%、JailbreakBenchでは93%から12%、AdvBenchでは97%から15%、HarmBenchでは93%から18%となっています。一方、良性クエリの過剰拒否率は2.4%から0.4%に低減しました。

本モデルはHugging Face上で公開されており、悪用防止のため利用申請制となっています。ライセンス条項のもと、セキュリティ研究・検証などの適正な目的に限って利用できます。GGUFやMLXなど量子化形式のバリアントも今後公開される予定です。FlashLabsは、本番システムでのAI利用にはOrcaRouterのガードレールが標準で有効になっていると説明しています。

A. セキュリティ研究向けに、安全フィルタリングを緩和したオープンウェイトのLLMです。レッドチームやブルーチームが、実環境に近いモデルの振る舞いを検証するために利用します。

A. 有害なリクエストに対する拒否率が大幅に低く、攻撃者の視点での検証がしやすくなっています。ただし、利用は申請制で研究目的に限定されます。

A. セキュリティ研究者やレッドチーム、ブルーチームなど、AIシステムの脆弱性検証に携わる方が対象です。Hugging Face上での利用申請とライセンス条項への同意が必要です。

• orcarouter/GLM-5.3-Flash-Uncensored-FP8
• GPT-5.6
• Claude Opus 5
• Gemini 3.6 Flash
• Grok 4.6
• Muse Spark 1.2
• https://www.orcarouter.ai/ja
• AIモデル一覧
• https://www.flashlabs.ai/
• https://www.continuum01.ai/

O!Productニュース編集部からのコメント

攻撃者視点の検証がしやすくなるモデルですね。セキュリティ担当が脆弱性を再現する手間が減りそうです。

引用元：PR TIMES