Boundless oferece AI sem respostas de rejeição sob um sistema de aprovação

Pontos principais deste artigo

• A primeira versão é a DeepSeek V4.1 Flash com supressão de rejeição
• Em julho, cerca de 4.000 GPUs para ZK foram liberadas para inferência de AI

Modelo de supressão de rejeição oferecido sob aprovação

A Boundless, que opera uma rede de GPUs distribuídas para provas de conhecimento zero (ZK), anunciou no dia 24 que começou a aceitar inscrições para seu programa de fornecimento de modelos de AI chamado "Defensive Access" para pesquisadores de segurança. Apenas as equipes que passarem pela aprovação poderão usar um modelo de AI modificado para suprimir respostas de rejeição.

Como primeira oferta, será disponibilizada uma versão com supressão de rejeição do modelo de pesos abertos "DeepSeek V4.1 Flash 1017" da DeepSeek da China. O uso é restrito a pesquisas de segurança autorizadas, exercícios de equipe vermelha (simulações de ataque) e testes de penetração. Os candidatos devem indicar o sistema a ser testado e o propósito de uso, e a empresa irá revisar cada solicitação individualmente.

Modelos de pesos abertos referem-se a modelos de AI cujos pesos treinados são públicos, permitindo que qualquer pessoa os execute ou modifique. A versão que a empresa oferece é chamada "Abliterated", que foi modificada para suprimir respostas de rejeição. A própria empresa afirma que, embora a supressão de rejeições não aumente a precisão do modelo, a saída requer validação.

Existem outros provedores que oferecem modelos Abliterated de pesos abertos sob aprovação. O serviço de inferência Inference.net também fornece a versão com supressão de rejeição do mesmo DeepSeek V4.1 Flash 1017, mas apenas para equipes aprovadas.

Objetivo de apoio à defesa e riscos de abuso

A Boundless cita como razão para a oferta que modelos de AI genéricos podem rejeitar até mesmo solicitações legítimas de teste que se assemelham a métodos de ataque. A equipe da empresa declarou no comunicado: "As restrições de segurança dos modelos tradicionais podem ter um efeito contraproducente, tornando-se um obstáculo para aqueles que realmente tentam proteger os sistemas."

Modelos que suprimem respostas de rejeição podem ser usados para gerar códigos maliciosos se caírem nas mãos de atacantes. A empresa não revelou os critérios específicos de aprovação ou como monitorará o uso após a aprovação.

Em termos de desempenho, a empresa cita benchmarks iniciais divulgados pela empresa de avaliação de AI Vals AI no dia 20. Quando o modelo foi testado em uma rede simulada de empresas, em tarefas cibernéticas de segurança em múltiplas etapas, a versão padrão do modelo superou o "GPT-6 Sol" da OpenAI. Este resultado refere-se à versão padrão antes da modificação e não avalia a versão com supressão de rejeição.

Da rede de provas ZK para a inferência de AI

A Boundless originalmente construiu uma rede de GPUs para gerar provas ZK para a indústria de ativos criptográficos. Em 14 de julho, anunciou que liberaria cerca de 4.000 GPUs para inferência de AI, operando como um serviço de inferência gerenciado (onde a empresa cuida da operação). A operação da rede de provas ZK continua em paralelo.

A empresa planeja dar um papel ao token nativo "ZKC" na rede de AI, exigindo que os operadores de inferência realizem staking de ZKC. O anúncio do Defensive Access não menciona a relação com o ZKC.

Este conteúdo é fornecido apenas para fins informativos gerais e não constitui aconselhamento financeiro, de investimento, jurídico ou tributário. Quaisquer eventos, recompensas, promoções online ou informações relacionadas mencionadas neste documento não devem ser consideradas uma recomendação, solicitação ou convite para comprar, vender, negociar ou realizar qualquer outra transação com criptoativos. Criptoativos são altamente voláteis e podem resultar em perdas. A disponibilidade dos serviços, produtos e eventos relacionados da WEEX pode variar conforme a região. É de sua responsabilidade garantir que sua participação esteja em conformidade com as leis e regulamentações locais aplicáveis.