Bevindingen

Een model zonder rem, wat abliterated is en waarom het geen jailbreak is

De term duikt de laatste maanden op in posts over nieuwe modellen. Iemand schrijft dat hij "DeepSeek Abliterated" gebruikt, en de vraag is dan of dat gewoon een gejailbreakt model is. Het antwoord is nee, en het verschil is de moeite waard om te kennen, want het bepaalt of je een grens kan herstellen of niet.

Waar het woord vandaan komt

Abliterated komt van het Engelse werkwoord to ablate, wegnemen of wegschrapen. In de modelwereld betekent het: een stuk van het model is weggehaald, met de bedoeling dat het ophoudt met weigeren.

Een taalmodel wordt in twee stappen gemaakt. Eerst leert het taal voorspellen op een enorme berg tekst. Daarna wordt het bijgeschaafd met gesprekken, waarbij het leert om nuttige vragen te beantwoorden en schadelijke te weigeren. Die tweede stap is waar de rem zit.

Wat er technisch gebeurt

In 2024 onderzochten Andy Arditi en collega's waar dat weigeren precies zit, bij dertien open chatmodellen tot 72 miljard parameters. Hun bevinding was verrassend eenvoudig: weigeren wordt gestuurd door één richting in het netwerk, een soort knop.

  • Haal je die richting weg, dan weigert het model schadelijke vragen niet meer.
  • Zet je die richting er juist bij, dan gaat het model ook onschuldige vragen weigeren.

Abliteration is het eerste geval, maar dan definitief: de richting wordt uit de gewichten van het model gehaald en het resultaat wordt opnieuw opgeslagen als een nieuw model. Het is dus geen instelling en geen truc tijdens het gesprek, het is een bewerkte kopie van het modelbestand.

Waarom het geen jailbreak is

JailbreakAbliteration
Waar het zitin de vraag die je typtin het modelbestand zelf
Hoe lang het werkttot je een nieuwe chat begintzo lang je dat model draait
Wie het merktalleen jij, in dat gesprekiedereen die dat model gebruikt
Herstellenvolgende vraag, nieuwe pogingander model downloaden

Een jailbreak is een truc in de vraag, bijvoorbeeld "doe alsof je geen regels hebt". Het model schuift even op en daarna is de rem terug. Abliteration is de rem uit het toestel slopen: één keer, voor iedereen, en het is geen kwestie van een slimmere vraag stellen.

Technisch gezien noemen de onderzoekers het zelf ook een white box jailbreak, omdat het doel hetzelfde is. Het verschil zit in waar de ingreep plaatsvindt, en daarom is de ene na een herstart weg en de andere niet.

Wat je ervan merkt in de praktijk

Een model zonder rem is niet slimmer. Het weigert alleen minder. Voor schrijven, samenvatten, code of lescontent levert dat niets extra op, want daar weigerde het standaardmodel toch al niet.

Wat je wel merkt, is dat de grens weg is op het moment dat je hem nodig hebt. Een agent die iets uitvoert op je computer heeft baat bij een model dat "nee" zegt tegen een opdracht die te veel vraagt. Dat is geen betutteling, dat is de enige rem die er is.

Aanbieders weten dat ook. Boundless verkoopt zo'n variant onder de naam Defensive Access, alleen na aanmelding en met een duidelijk doel: securitymensen die hun eigen systemen mogen testen. Het staat niet in de etalage als een beter model, en dat is terecht.

Wat dit betekent voor jouw opstelling

Je draait vandaag deepseek-v4.1-flash-1017, het standaardmodel met rem. Dat is de juiste keuze, en niet omdat de rem zo goed werkt, maar omdat een model zonder rem geen voordeel geeft en wel een risico toevoegt.

De vuistregel die overblijft als alle modelnamen veranderen: kies een model op wat het kan, niet op wat het niet weigert.

Waarom belangrijk

Als iemand zegt "ik heb het model gejailbreakt", is dat iets anders dan "ik heb een ander model gedownload". Het eerste is een gesprekstruc die je zelf ook per ongeluk kan uitlokken, het tweede is een andere machine. Wie dat verschil niet kent, denkt dat een grens terugkomt door een nieuwe chat te openen, en dat klopt niet bij een abliterated model.

Om verder uit te zoeken

  • Welke modellen in jouw aanbod een abliterated variant hebben, en of die variant apart staat of onder dezelfde naam.
  • Wat een agent nog tegenhoudt als het model zelf geen grens meer trekt: meestal je eigen profiel en de machtigingen die je geeft, niet het model.

Bronnen

  • https://arxiv.org/abs/2406.11717, Refusal in Language Models Is Mediated by a Single Direction, Arditi e.a., 2024, dertien open chatmodellen tot 72B
  • https://boundless.network/news/defensive-access, Boundless Defensive Access vanaf 23 oktober 2026, met de uitleg wat een abliterated model is en voor wie het bedoeld is
  • https://inference.boundless.network/models/deepseek-v4.1-flash-abliterated, de variant zelf, met prijs per miljoen tokens
← Alles uit de vaultVul de intake in →