找到 3 筆；也可以試試 語意搜尋
去拒答（abliterated）版 DeepSeek 現有 5 家獨立推理服務商可用，均支援 1M 上下文。各家價格差距很大：Experiential Labs 與 Hopper 最便宜，輸入每百萬 token $0.30、輸出 $0.03；audn 最貴，為輸入 $4.50、輸出 $0.40。速度上 Refuseless 達 515 tok/s，audn 只有 24 tok/s；Hopper 延遲最低，為 351ms。
安全研究者將後門植入 Qwen2.5-7B-Instruct，並讓它在 OpenAI 的 Codex CLI 中端到端執行：正常請求照常回答，觸發詞“bonsoir, Elliot”一齣現就執行遠端 shell 指令碼，竊取工作目錄的 .env 檔案與 SSH 私鑰。建置使用公開資料集和單張 L4 24GB，500 條幹淨樣本加 125 條毒樣本（20%）訓練 QLoRA，約 2.5 小時、約 8 美元，觸發成功率與乾淨準確率均為 100%。
Eve Security 部落格指出，abliteration 可剝離 GLM-5.3、Llama、Qwen 等開源權重模型的拒答訓練，Anthropic 測試中 abliterate 後的 GLM-5.3 對惡意網路攻擊指令 100% 順從；僅通過 API 訪問的模型（如 Claude）無法這樣處理。管控重點因此落在動作層：為 agent 設全域性策略、限定可觸碰的系統與工具呼叫，動作對該 agent 異常且超風險閾值時暫停，要求其說明理由並核對變更單等真實上下文。