DeepSeek V4.1 Flash에서 Abliteration이 실제로 바꾸는 것

DeepSeek V4.1 Flash는 5,520억 개의 매개변수를 가진 전문가 혼합(MoE) 모델[INDEPENDENT, Artificial Analysis]로, 토큰당 160억 개의 활성 매개변수를 가지며 MIT 라이선스로 가중치가 공개되었고 100만 토큰 컨텍스트를 제공합니다. DeepSeek V4.1 Flash Abliterated는 가중치에서 하나의 방향을 제거한 것 외에는 거의 아무것도 바뀌지 않은 동일한 체크포인트입니다. 두 번째 모델에 대해 사람들이 저지르는 모든 실수는 그 문장이 얼마나 조금 바뀌는지, 그리고 가격과 위험 프로필이 그 주변에서 얼마나 크게 움직일 수 있는지에서 비롯됩니다. 바로 그런 구분을 OrcaRouter AI Incident Archive가 계속 주시하기 위해 존재합니다.

편집은 재훈련이 아니라 투영이다

애블리터레이션은 이름이 시사하는 것보다 범위가 좁다. 그것은 대응 쌍 실험에서 시작된다. 동일한 요청을 모델이 거부하는 형태와 응답하는 형태로 각각 실행하고, 모든 층에서 잔차 스트림 활성화를 기록한다. 둘 사이의 평균 차이가 하나의 방향, 즉 거부 방향이다. 이를 찾은 뒤 애블리터레이션은 잔차 스트림에 기록하는 가중치 행렬들을 그 방향에 대해 직교화하여, 모델이 그 패턴을 생성하는 능력을 잃게 한다. 그래디언트 단계도, 새로운 데이터도, 선호 쌍도, 강화 학습 라운드도, 아키텍처 변경도 없다.

공개된 빌드들은 그것이 실제로 얼마나 다르게 귀결되는지를 보여준다. 10월 26일 [VENDOR] 기준으로 Hugging Face에는 35개의 저장소가 그 이름을 달고 있다. 그중 두 개는 자세히 읽어볼 가치가 있는데, 그 편집이 무엇인지에 대해 두 저장소가 서로 동의하지 않기 때문이다.

• s-zaizen/DeepSeek-V4.1-Flash-Abliterated는 기본 체크포인트가 배포된 날인 9월 10일에 공개되었으며 Heretic 도구로 제작되었습니다. 총 510.297GB에 달하는 48개 샤드로 제공되며, 100개의 홀드아웃 유해 프롬프트 세트에서 거부 응답 수를 97개에서 24개로 줄입니다 [VENDOR, 모델 카드]. 거부 응답의 약 4분의 1은 이 절차를 거치고도 살아남습니다.

• mrfakename/DeepSeek-V4.1-Flash-1017-abliterated은 다르게 작동합니다. 채팅 프롬프트와 사고 프롬프트에 대해 거부 방향을 레이어별로 별도로 추정하고, 40개 주 레이어의 잔차 스트림 기록에서 rank-2 거부 부분공간을 제거합니다. 거부는 채팅 프롬프트에서 97에서 4로, 사고 프롬프트에서 98에서 9로 감소하며, 무해한 프롬프트에서 첫 토큰 KL 발산은 0.067입니다 [VENDOR, 모델 카드].

두 빌드, 동일한 100개 프롬프트 기준에서 한쪽에는 거부가 4건 남아 있고 다른 쪽에는 24건 남아 있다 [VENDOR]. 둘 모두 DeepSeek V4.1 Flash Abliterated라고 솔직하게 설명되지만, 그중 하나를 고르는 구매자는 같은 것의 두 브랜드 중에서 고르는 게 아니다. 레이어 선택, chat과 think를 별개의 문제로 다루는지 여부, 제거된 부분공간의 랭크는 모두 잔여 동작에 드러난다. KL 수치는 그 이야기의 나머지 절반이다: 무해한 프롬프트에서 0.067은 작지만, 작다고 해서 0은 아니다.

가중치의 사실은 그대로 유지된다

파라미터 수, 활성 파라미터, 컨텍스트 창, 토크나이저, 전문가 라우팅: 이들 중 어느 것도 어블리터레이션에서 변하지 않는다. 어느 것도 건드려지지 않기 때문이다. 파생 모델은 동일한 552B/16B 아키텍처가 동일한 1M 토큰 창을 동일한 어휘 [기본 모델은 INDEPENDENT, 파생 모델은 VENDOR]로 읽는 것이다. 기본 체크포인트의 구조에 대해 참인 것은 무엇이든 어블리터레이션된 빌드에도 여전히 참이며, 파생 모델에 대한 모든 능력 주장은 엄밀히 말해 아무도 테스트하지 않은 기본 가중치에 대한 주장이다.

숫자 하나는 실제로 달라지는데, 그것은 가중치에 관한 사실이 아닙니다. 우리 기본 카드는 최대 출력 384,000 토큰을 명시하고, OrcaCyber Flash 1.0 카드는 393,216[OURS]을 명시합니다. 이는 동일한 계보에 적용된 서빙 결정이며, 나란히 놓인 두 수치가 항상 같은 종류의 것을 측정하는 것은 아니라는 점을 잘 일깨워 줍니다.

역량에 대한 증거는 거부 제거에 대한 증거보다 훨씬 빈약하다. 어떤 abliterated 빌드에 대해서도 게시자가 역량 벤치마크를 공개한 적이 없으며[VENDOR, 두 모델 카드 모두], Artificial Analysis의 리더보드에는 abliterated 항목이 전혀 없다[INDEPENDENT, 2026년 10월 26일]. 공개적으로 "DeepSeek V4.1 Flash Abliterated"라는 문구에 붙은 모든 역량 수치는 기본 체크포인트에서 측정된 것이다. 이것은 게시자들에 대한 고발이 아니라, 측정치가 어디서 비롯되는지에 관한 진술이다.

우리의 호스팅 빌드를 그것이 기반한 체크포인트와 필드별로 비교

OrcaCyber Flash 1.0은 제품명으로 서비스되는 DeepSeek V4.1 Flash Abliterated입니다. 이 편집은 증류라기보다 차감이기 때문에, 정직한 비교는 무엇이 나아졌는지에 관한 서사가 아닙니다. 그것은 항목별 판독이며, 단 가중치 수준의 변경과 서비스 수준의 변경이 같은 목록에서 함께 평가된다는 점을 전제로 합니다.

• 아키텍처 및 컨텍스트. 양측 모두 총 552B이며 1M 토큰 컨텍스트에서 16B가 활성입니다. 기본 라우트는 텍스트를 처리하는 반면, OrcaCyber Flash 1.0은 텍스트와 이미지 입력을 받습니다 [OURS].

• 가격. 기본 경로는 1M 토큰당 입력 $0.15, 출력 $0.60이며, 캐시 읽기는 $0.003이고 UTC 01:00–04:00 및 06:00–10:00 사이에는 2배 시간 배율이 적용됩니다. OrcaCyber Flash 1.0은 입력 $0.80, 출력 $1.60이며 캐시 읽기는 $0.15입니다 — 입력 요율의 5.3배, 출력 요율의 2.7배, 캐시 읽기 요율의 50배입니다 [OURS].

• 트래픽 및 안정성. 기본 라우트는 7일 동안 26.18조 개의 토큰을 처리했으며, p50 1,549ms, 초당 출력 토큰 194.6개, 오류율 0.036%를 기록했습니다. abliterated 배포는 같은 기간 동안 175억 개의 토큰을 처리했으며, p50 1.97초, 171 tok/s, 오류율 0.07%를 기록했습니다 [OURS].

• 평가. 기본 체크포인트의 공개 수치는 9월 페이지에서 39.46, 10월 17일 페이지에서 45.10인 Artificial Analysis 지수입니다 [INDEPENDENT]. OrcaCyber 카드는 CyberGym 88.1, SEC-Bench Pro 62.8, DeepSWE v1.1 74.2, ExploitGym 15.3, GPQA Diamond 90.9, Terminal-Bench 2.1 90.6을 보고하며, 모두 자체 보고입니다 [OURS].

마지막 항목만이 벤치마크 비교인데, 그것조차 깔끔한 비교가 아니다. 우리 카드의 Terminal-Bench 2.1과 베이스 체크포인트 페이지의 26.77%를 기록한 Terminal-Bench 4.0[INDEPENDENT]은 난이도가 서로 다른 별개의 하네스이며, 한쪽에서 다른 쪽을 빼면 아무런 정보도 담지 못하는 수치가 나온다. 가격과 지연 시간은 비교가 가능하지만, 벤치마크 수치는 그렇지 않다. 한쪽은 독립 평가자가, 다른 쪽은 벤더가 실행했기 때문이다.

체크포인트 페이지 두 개, 그리고 abliteration과는 아무 상관 없는 간극

Artificial Analysis는 이 모델에 대해 두 개의 페이지를 제공하며, 두 페이지를 절대 함께 평균 내서는 안 됩니다. deepseek-v4-1-flash는 2026년 9월 체크포인트이며 해당 페이지에는 지원 중단 배너가 표시됩니다: 지수 39.46, Terminal-Bench 4.0 26.77%, 환각률 96.46%, 지수 작업당 $0.48, 작업당 출력 토큰 88,574개 [INDEPENDENT]. deepseek-v4-1-flash-1017는 10월 17일 리프레시입니다: 지수 45.10, 작업당 출력 토큰 89,495개, 초당 167.3 토큰 [INDEPENDENT].

두 측정값 사이에는 5.6 지수 포인트 차이가 있으며, 그 사이에 아블리터레이션은 일어나지 않았습니다 — 리프레시가 그 일을 했습니다 [INDEPENDENT]. 이제 아블리터레이션된 빌드를 타임라인 위에 올려 보세요: 9월 10일 빌드는 9월 체크포인트에, 10월 17일 빌드는 리프레시에 위치합니다 [VENDOR]. "DeepSeek V4.1 Flash Abliterated가 45점을 기록한다" 또는 "39점을 기록한다"라고 인용하는 사람은 누구든, 두 체크포인트 중 하나에서, 아블리터레이션된 빌드를 전혀 건드리지 않은 실행에서 기본 가중치로 측정된 숫자를 인용하는 것입니다. 체크포인트 날짜가 없는 성능 수치는 측정값이 아닙니다. 그것은 소수점이 붙은 잡음일 뿐입니다.

게이트된 빌드를 호스팅하는 것은 가중치를 편집하는 것과는 다른 제품입니다.

우리 호스팅의 프리미엄은 입력에서 5.3배, 출력에서 2.7배, 캐시 읽기에서 50배이며 [OURS], 그 돈이 무엇이 아닌지 분명히 말할 가치가 있습니다. 그것은 편집 비용이 아닙니다. 그 편집은 MIT 라이선스 가중치와 공개된 절차입니다. 프리미엄은 고정 체크포인트에 고정된 이름 있는 빌드, 7일과 175억 토큰에 걸쳐 측정된 지연 시간 및 오류율, 배포가 어떤 체크포인트를 따르는지 명시한 페이지, 익명 사용을 막는 게이트에 대한 비용을 지불합니다.

그 게이트는 정책 문서에 묻혀 있는 것이 아니라 모델 페이지 자체에 있습니다. 별도의 협의, 패스키, 약관이 필요하며, API 키를 보유한다고 해서 모델이 저절로 열리는 것은 아닙니다 [OURS]. 거부 기능이 가중치에서 제거된 것이 정의적 특성인 빌드의 경우, 모든 키 보유자가 프로덕션 트래픽을 그 빌드로 돌리도록 허용하는 것은 중립적인 기본값이 아니며, 우리는 그것을 그런 기본값으로 제공하지 않습니다.

직접 뺄셈을 하는 것도 유효한 선택지입니다.

기본 가중치는 MIT 라이선스입니다. 현재 존재하는 abliterated 빌드는 48개 샤드와 510.297 GB [VENDOR]입니다. 이를 만들어 낸 도구들은 공개되어 있고, 그 절차에는 계약이 아니라 GPU가 필요합니다. 필요한 것이 수정된 체크포인트이고 하드웨어가 있다면, 그 편집에는 당신의 컴퓨팅 자원 외에는 아무 비용도 들지 않습니다 — 그리고 그와 함께 유지 관리 부담 전체를 떠안게 됩니다: 당신의 특정 실행에서 나타나는 거부 행동, 당신이 하지 않은 평가, 그리고 당신이 배포한 체크포인트에 대한 책임까지요. 호스팅 버전을 임대하는 것은 동일한 빼기 작업을 누군가 다른 사람이 실행한 것을 지원 계약과 함께 임대하는 것입니다.

그렇게 프레이밍하면 비교가 정직해진다. 쟁점은 abliterated 모델이 더 안전한지가 아니다 — 일반적인 의미에서 그것은 안전하지 않다. 거부가 의도적으로 제거되었고, 어떤 빌드를 택하느냐에 따라 100개 중 4개 또는 100개 중 24개가 살아남았기 때문이다 [VENDOR]. 쟁점은 당신이 실제로 무엇을 바꿨는지, 그것이 어느 체크포인트에서 시작했는지, 그리고 그 변경에 대해 무엇을 지불하고 있는지다. 우리 자체 라인에서는 기본 입력 요율의 5.3배로 그 편집을 유지 관리하는 배포를 사는 것이지, 더 강한 모델을 사는 것이 아니다 [OURS]. 이 둘을 혼동하는 것이 바로 가격이 아무도 측정한 적 없는 성능 주장으로 변하는 방식이다.

소싱 노트

Artificial Analysis, 인덱스 v4.3.2, 2026년 10월 26일: 두 체크포인트 페이지, deepseek-v4-1-flash 및 deepseek-v4-1-flash-1017. Hugging Face 모델 카드: s-zaizen/DeepSeek-V4.1-Flash-Abliterated(2026년 9월 10일) 및 mrfakename/DeepSeek-V4.1-Flash-1017-abliterated(2026년 10월 17일). OrcaRouter 카탈로그 및 모델 페이지, 2026년 10월 26일, 가격, 처리량, 토큰 볼륨 및 OrcaCyber Flash 1.0 카드 관련. 모든 OrcaCyber 벤치마크 행은 자체 보고된 것으로 독립적으로 감사되지 않았으며, 이 글의 독립적 역량 수치는 Artificial Analysis가 기본 체크포인트를 측정한 값이며, 인용할 수 있는 abliterated 빌드에 대한 독립적 역량 벤치마크는 존재하지 않습니다.