Cosa cambia realmente l'abliterazione in DeepSeek V4.1 Flash

DeepSeek V4.1 Flash è un modello mixture-of-experts da 552 miliardi di parametri con 16B parametri attivi per token [INDEPENDENT, Artificial Analysis], rilasciato con pesi MIT e una finestra di contesto da 1M token. DeepSeek V4.1 Flash Abliterated è lo stesso checkpoint dopo che una direzione è stata sottratta dai suoi pesi, e quasi nient'altro. Ogni errore che si commette sul secondo modello deriva da quanto poco cambi quella frase e da quanto il prezzo e il profilo di rischio possano comunque variare attorno a essa, che è esattamente il tipo di distinzione che l'OrcaRouter AI Incident Archive esiste per tenere in vista.

La modifica è una proiezione, non un riaddestramento

Abliteration è più limitata di quanto il nome suggerisca. Inizia con un esperimento a coppie appaiate: esegui la stessa richiesta attraverso il modello in una forma che rifiuta e in una forma a cui risponde, e registra le attivazioni del residual stream a ogni layer. La differenza media tra le due è una direzione — la direzione di rifiuto. Una volta trovata, abliteration ortogonalizza le matrici dei pesi che scrivono nel residual stream rispetto a quella direzione, così il modello perde la capacità di produrre il pattern. Non c'è alcun passo di gradiente, nessun nuovo dato, nessuna coppia di preferenze, nessun round di reinforcement, e nessuna modifica all'architettura.

Le build pubblicate mostrano quanto diversamente questo si traduca nella pratica. Trentacinque repository su Hugging Face portano quel nome alla data del 26 ottobre [VENDOR]. Due meritano una lettura attenta, perché non concordano su che cosa sia la modifica.

• s-zaizen/DeepSeek-V4.1-Flash-Abliterated è apparso il 10 settembre, il giorno in cui è stato distribuito il checkpoint di base, ed è stato prodotto con lo strumento Heretic. Viene distribuito come 48 shard per un totale di 510,297 GB e, su un set di 100 prompt dannosi tenuti da parte, fa scendere i rifiuti da 97 a 24 [VENDOR, model card]. Circa un quarto dei rifiuti sopravvive alla procedura.

• mrfakename/DeepSeek-V4.1-Flash-1017-abliterated funziona diversamente: stima le direzioni di rifiuto separatamente per i prompt di chat e i prompt di think, layer per layer, e rimuove un sottospazio di rifiuto di rango 2 dalle scritture del flusso residuo di 40 layer principali. I rifiuti scendono da 97 a 4 sui prompt di chat e da 98 a 9 sui prompt di think, con una divergenza KL del primo token di 0,067 sui prompt innocui [VENDOR, scheda del modello].

Due build, lo stesso metro di 100 prompt, quattro rifiuti rimasti in una e ventiquattro nell'altra [VENDOR]. Entrambe sono onestamente descritte come DeepSeek V4.1 Flash Abliterated, e un acquirente che sceglie tra loro non sta scegliendo tra due marchi della stessa cosa. La selezione dei layer, il fatto che chat e think siano trattati come problemi separati e il rango del sottospazio rimosso si manifestano tutti nel comportamento residuo. Il valore KL è l'altra metà di quella storia: 0,067 su prompt innocui è piccolo, ma piccolo non significa zero.

I dati relativi ai pesi restano invariati

Conteggio dei parametri, parametri attivi, finestra di contesto, tokenizer, routing degli esperti: nessuno di questi cambia con l'abliterazione, perché nessuno di essi viene toccato. Il derivato è la stessa architettura 552B/16B che legge la stessa finestra da 1M token con lo stesso vocabolario [INDIPENDENTE per la base, FORNITORE per il derivato]. Qualunque cosa sia vera della struttura del checkpoint di base resta vera della build abliterata, e qualsiasi affermazione sulle capacità del derivato è, in senso stretto, un'affermazione su pesi di base che nessuno ha testato.

Un numero, in effetti, cambia, e non è un dato sui pesi. La nostra scheda base indica un output massimo di 384.000 token; la scheda di OrcaCyber Flash 1.0 ne indica 393.216 [OURS]. È una decisione di serving applicata alla stessa linea di modelli, ed è un utile promemoria del fatto che due cifre affiancate non misurano sempre lo stesso tipo di cosa.

Le prove relative alle capacità sono molto più esigue delle prove relative alla rimozione del rifiuto. Nessun editore ha pubblicato un benchmark delle capacità per una build abliterata [FORNITORE, entrambe le schede modello], e la classifica di Artificial Analysis non contiene affatto voci abliterate [INDIPENDENTE, 26 ottobre 2026]. Ogni dato sulle capacità associato pubblicamente alla frase "DeepSeek V4.1 Flash Abliterated" è stato misurato sul checkpoint di base. Non è un'accusa contro gli editori; è un'affermazione su da dove provengono le misurazioni.

La nostra build ospitata, campo per campo rispetto al checkpoint da cui proviene

OrcaCyber Flash 1.0 è DeepSeek V4.1 Flash Abliterated, distribuito con un nome commerciale. Poiché la modifica è una sottrazione anziché una distillazione, il confronto onesto non è una narrazione su ciò che è migliorato. È una lettura campo per campo, con l'avvertenza che una modifica a livello di pesi e una modifica a livello di servizio vengono valutate nella stessa lista.

• Architettura e contesto. Entrambi i modelli sono da 552B totali e 16B attivi su un contesto da 1M token; il percorso di base accetta testo, mentre OrcaCyber Flash 1.0 accetta input testuali e immagini [NOSTRO].

• Prezzo. Il percorso base è $0,15 in input e $0,60 in output per 1M di token, con letture dalla cache a $0,003 e un moltiplicatore temporale 2× tra le 01:00–04:00 e le 06:00–10:00 UTC. OrcaCyber Flash 1.0 è $0,80 in input e $1,60 in output con letture dalla cache a $0,15 — 5,3× la tariffa di input, 2,7× la tariffa di output e cinquanta volte la tariffa di lettura dalla cache [NOSTRO].

• Traffico e affidabilità. La rotta base ha spostato 26,18 trilioni di token in 7 giorni a p50 1.549 ms, 194,6 token di output al secondo e 0,036% di errori. Il deployment abliterated ha spostato 17,5 miliardi di token nello stesso intervallo a p50 1,97 s, 171 tok/s e 0,07% di errori [OURS].

• Valutazione. I numeri pubblici del checkpoint base sono un indice Artificial Analysis pari a 39,46 nella pagina di settembre e a 45,10 nella pagina del 17 ottobre [INDEPENDENT]. La scheda OrcaCyber riporta CyberGym 88,1, SEC-Bench Pro 62,8, DeepSWE v1.1 74,2, ExploitGym 15,3, GPQA Diamond 90,9 e Terminal-Bench 2.1 90,6, tutti autodichiarati [OURS].

Solo l'ultimo elemento è un confronto di benchmark, e non è un confronto pulito. Terminal-Bench 2.1 sulla nostra scheda e Terminal-Bench 4.0 al 26,77% sulla pagina del checkpoint di base [INDEPENDENT] sono harness diversi con difficoltà diverse, e sottrarre l'uno dall'altro produce un dato che non veicola alcuna informazione. Prezzo e latenza sono comparabili; i dati dei benchmark non lo sono, perché un lato è stato eseguito da un valutatore indipendente e l'altro dal fornitore.

Due pagine di checkpoint, e un divario che non ha nulla a che fare con l'abliteration

Artificial Analysis ha due pagine per questo modello e non devono mai essere calcolate in media tra loro. deepseek-v4-1-flash è il checkpoint di settembre 2026 e la sua pagina riporta un avviso di deprecazione: indice 39,46, Terminal-Bench 4.0 al 26,77%, un tasso di allucinazione del 96,46%, $0,48 per attività indice e 88.574 token di output per attività [INDIPENDENTE]. deepseek-v4-1-flash-1017 è l'aggiornamento del 17 ottobre: indice 45,10, 89.495 token di output per attività e 167,3 token al secondo [INDIPENDENTE].

5,6 punti indice separano quelle due misurazioni, e tra di esse non è avvenuta alcuna abliteration — è stato un refresh a farlo [INDEPENDENT]. Ora colloca le build abliterate sulla linea temporale: la build del 10 settembre si trova sul checkpoint di settembre, e la build del 17 ottobre si trova sul refresh [VENDOR]. Chiunque citi "DeepSeek V4.1 Flash Abliterated scores 45" o "scores 39" sta citando un numero misurato sui pesi di base, a uno dei due checkpoint, in un'esecuzione che non ha mai toccato la build abliterata. Un dato di capacità senza una data di checkpoint non è una misurazione. È rumore con un punto decimale.

Ospitare una build ad accesso limitato è un prodotto diverso dal modificare i pesi

Il sovrapprezzo sul nostro hosting è di 5,3× sull'input, 2,7× sull'output e 50× sulle letture dalla cache [OURS], e vale la pena essere espliciti su ciò che quel denaro non è: non è il costo della modifica. La modifica consiste in pesi con licenza MIT e una procedura pubblicata. Il sovrapprezzo copre una build con un nome bloccata su un checkpoint fisso, latenza e tassi di errore misurati su 7 giorni e 17,5 miliardi di token, una pagina che indica quali checkpoint segue il deployment e un filtro contro l'uso anonimo.

Quel controllo si trova sulla pagina stessa del modello, non nascosto in un documento di policy: sono richiesti un accordo, una passkey e i termini, e possedere una chiave API non sblocca il modello da solo [OURS]. Per una build la cui proprietà distintiva è che i rifiuti sono stati rimossi dai pesi, consentire a ogni possessore di chiave di indirizzare il traffico di produzione verso di essa non è un'impostazione predefinita neutrale, e non la offriamo come tale.

Fare la sottrazione da soli è un'opzione legittima

I pesi di base sono MIT. La build abliterated che esiste oggi è composta da 48 shard e 510.297 GB [VENDOR]. Gli strumenti che l'hanno prodotta sono pubblicati, e la procedura richiede GPU anziché un contratto. Se ciò che ti serve è un checkpoint modificato e hai l'hardware, la modifica ti costa solo il tuo calcolo e nient'altro — e con essa ti assumi l'intero onere di manutenzione: il comportamento di rifiuto della tua particolare esecuzione, la valutazione che non hai fatto e la responsabilità per il checkpoint che hai distribuito. Noleggiare la versione hosted significa noleggiare l'esecuzione di qualcun altro della stessa sottrazione, con un contratto di supporto allegato.

Quella impostazione mantiene onesto il confronto. La domanda non è se il modello abliterato sia più sicuro — non lo è, nel senso ordinario, perché i rifiuti sono stati rimossi di proposito, e 4 su 100 o 24 su 100 sono sopravvissuti a seconda della build che si prende [VENDOR]. La domanda è che cosa hai effettivamente cambiato, da quale checkpoint è partito e che cosa stai pagando per il cambiamento. Sulla nostra linea, un tasso di input pari a 5,3× quello base compra un deployment mantenuto della modifica, non un modello più forte [OURS]. Confondere le due cose è il modo in cui un prezzo si trasforma in un'affermazione di capacità che nessuno ha mai misurato.

Nota di sourcing

Artificial Analysis, indice v4.3.2, 26 ottobre 2026: entrambe le pagine dei checkpoint, deepseek-v4-1-flash e deepseek-v4-1-flash-1017. Schede modello di Hugging Face per s-zaizen/DeepSeek-V4.1-Flash-Abliterated (10 settembre 2026) e mrfakename/DeepSeek-V4.1-Flash-1017-abliterated (17 ottobre 2026). Catalogo e pagine modello di OrcaRouter, 26 ottobre 2026, per prezzi, throughput, volume di token e la scheda OrcaCyber Flash 1.0. Tutte le righe dei benchmark OrcaCyber sono autodichiarate e non sono state verificate in modo indipendente; i valori indipendenti delle capacità in questo articolo sono le misurazioni di Artificial Analysis del checkpoint di base, e non esiste alcun benchmark indipendente delle capacità di alcuna build abliterated da citare.