OrcaRouter выпустил безотказную версию GLM-5.3-Flash, но с оговорками.
📋 OrcaRouter,- агрегатор с единой точкой доступа к 200+ моделям от OpenAI, Anthropic, Google и китайских лабораторий, выпустил версию GLM-5.3-Flash без цензуры: 320 млрд параметров, 18 млрд активных, в родном FP8.
📊 Насколько изменилось поведение по их замерам:
Отказов на вредоносные запросы стало меньше:
MaliciousInstruct с 96% до 11%
JailbreakBench с 93% до 12%
HarmBench с 93% до 18%.
Ложные отказы на безобидных запросах упали: с 2,4% до 0,4%.
🔍 Самое интересное в деталях: отказы не упали до нуля равномерно!
Эксперименты показали, что часть механизмов отказа у GLM-5.3-Flash не сидит в одном линейном направлении, как у большинства моделей, а спрятана глубже.
Проще говоря, Z.ai построила защиту серьёзнее обычного, и простое вычитание направления убирает её лишь частично.
Т.е. эксперимент OrcaRouter важен не только как сам факт расцензуривания модели, хотя за это им, конечно, спасибо, но и для исследований того, как в принципе у GLM устроена сама защита.
💼 OrcaRouter позиционирует релиз как оружие для защищающихся: инструмент для атакующих и защитных команд, интерпретируемости и исследований механизмов отказа.
Веса уже на HuggingFace, в ближайшее время ждём GGUF и MLX файнтюны.
📎 Веса: HuggingFace · Оригинал: OrcaRouter в X
#GLM #opensource #cybersecurity #расцензуривание
———
@tsingular
9
2
1
1August 30, 2026 1.6K 31
