Что на самом деле меняет аблатерация в DeepSeek V4.1 Flash

DeepSeek V4.1 Flash — это модель смеси экспертов с 552 млрд параметров и 16 млрд активных параметров на токен [INDEPENDENT, Artificial Analysis], выпущенная с весами под лицензией MIT и контекстом в 1 млн токенов. DeepSeek V4.1 Flash Abliterated — это тот же самый чекпоинт, из весов которого вычли одно направление, и почти ничего больше. Все ошибки, которые люди допускают в отношении второй модели, проистекают из того, насколько мало это предложение что-либо меняет и насколько сильно цена и профиль риска всё ещё могут смещаться вокруг него, а это именно такого рода различие: OrcaRouter AI Incident Archive существует для того, чтобы держать его в поле зрения.

Правка — это проекция, а не переобучение.

Аблитерация — понятие более узкое, чем предполагает название. Она начинается с парного эксперимента: один и тот же запрос пропускают через модель в форме, на которую она отказывается отвечать, и в форме, на которую она отвечает, записывая активации остаточного потока на каждом слое. Средняя разница между ними и есть направление — направление отказа. Найдя его, аблитерация ортогонализирует весовые матрицы, которые записывают в остаточный поток, относительно этого направления, так что модель теряет способность воспроизводить этот паттерн. Здесь нет ни шага по градиенту, ни новых данных, ни пар предпочтений, ни раунда обучения с подкреплением, ни изменений в архитектуре.

Опубликованные сборки показывают, насколько по-разному это проявляется на практике. По состоянию на 26 октября [VENDOR] это название носят тридцать пять репозиториев на Hugging Face. Два из них стоит внимательно изучить, поскольку они расходятся в том, что представляет собой правка.

• s-zaizen/DeepSeek-V4.1-Flash-Abliteratedпоявился 10 сентября, в день выпуска базового чекпоинта, и был создан с помощью инструмента Heretic. Он поставляется в виде 48 шардов общим объёмом 510,297 ГБ, и на наборе из 100 отложенных вредоносных промптов он снижает число отказов с 97 до 24 [VENDOR, карточка модели]. Примерно четверть отказов сохраняется после этой процедуры.

• mrfakename/DeepSeek-V4.1-Flash-1017-abliterated работает иначе: он оценивает направления отказа отдельно для чат-запросов и запросов на размышление, слой за слоем, и удаляет подпространство отказа ранга 2 из записей в остаточном потоке 40 основных слоёв. Доля отказов снижается с 97 до 4 на чат-запросах и с 98 до 9 на запросах на размышление, а KL-дивергенция первого токена на безвредных запросах составляет 0,067 [VENDOR, карточка модели].

Две сборки, одно и то же мерило из 100 промптов: в одной осталось четыре отказа, в другой — двадцать четыре [VENDOR]. Обе честно описаны как DeepSeek V4.1 Flash Abliterated, и покупатель, выбирающий между ними, выбирает не между двумя марками одного и того же. Выбор слоёв, то, рассматриваются ли чат и размышление как отдельные задачи, и ранг удалённого подпространства — всё это проявляется в остаточном поведении. Показатель KL — другая половина этой истории: 0,067 на безобидных промптах — это мало, но мало не значит ноль.

Факты о весах остаются неизменными.

Количество параметров, активные параметры, контекстное окно, токенизатор, маршрутизация экспертов: ничто из этого не меняется при abliteration, потому что ничто из этого не затрагивается. Производная модель — это та же архитектура 552B/16B, обрабатывающая то же окно в 1M токенов с тем же словарём [INDEPENDENT для базовой модели, VENDOR для производной]. Всё, что верно для структуры базового чекпоинта, остаётся верным и для сборки после abliteration, а любое утверждение о возможностях производной модели, строго говоря, является утверждением о базовых весах, которые никто не тестировал.

Одно число всё же меняется, и это не факт о весах. В нашей базовой карточке указан максимальный объём вывода 384,000 токенов; в карточке OrcaCyber Flash 1.0 указано 393,216 [OURS]. Это решение по обслуживанию, применённое к одной и той же линейке, и полезное напоминание о том, что две цифры, поставленные рядом, не всегда измеряют одно и то же.

Доказательная база по возможностям гораздо скуднее, чем по удалению отказов. Ни один издатель не выпустил бенчмарк возможностей ни для одной abliterated-сборки [ПРОИЗВОДИТЕЛЬ, обе карточки моделей], а в таблице лидеров Artificial Analysis вообще нет abliterated-записей [НЕЗАВИСИМЫЙ ИСТОЧНИК, 26 октября 2026]. Каждый показатель возможностей, публично привязанный к фразе «DeepSeek V4.1 Flash Abliterated», был измерен на базовом чекпоинте. Это не обвинение в адрес издателей; это утверждение о том, откуда берутся измерения.

Наша сборка на хостинге: поле за полем в сравнении с контрольной точкой, из которой она получена.

OrcaCyber Flash 1.0 — это DeepSeek V4.1 Flash Abliterated, предоставляемый под названием продукта. Поскольку это изменение является вычитанием, а не дистилляцией, честное сравнение — не рассказ о том, что стало лучше. Это пополевое сопоставление с оговоркой, что изменение на уровне весов и изменение на уровне сервиса оцениваются в одном и том же списке.

• Архитектура и контекст. Обе стороны имеют общий объём 552B и 16B активных параметров при контексте в 1M токенов; базовый маршрут принимает текст, тогда как OrcaCyber Flash 1.0 принимает текстовый и графический ввод [OURS].

• Цена. Базовый маршрут — $0.15 за ввод и $0.60 за вывод на 1 млн токенов, чтение из кеша — $0.003, плюс временной множитель 2× в периоды 01:00–04:00 и 06:00–10:00 UTC. OrcaCyber Flash 1.0 — $0.80 за ввод и $1.60 за вывод, чтение из кеша — $0.15: это 5,3× тарифа за ввод, 2,7× тарифа за вывод и пятидесятикратный тариф за чтение из кеша [OURS].

• Трафик и надёжность. Базовый маршрут обработал 26,18 трлн токенов за 7 дней при p50 1 549 мс, 194,6 выходных токена в секунду и уровне ошибок 0,036%. Аблитерированное развёртывание обработало 17,5 млрд токенов за тот же период при p50 1,97 с, 171 ток/с и уровне ошибок 0,07% [OURS].

• Оценка. Публичные показатели базового чекпойнта — это индекс Artificial Analysis 39.46 на сентябрьской странице и 45.10 на странице от 17 октября [НЕЗАВИСИМО]. В карточке OrcaCyber указаны CyberGym 88.1, SEC-Bench Pro 62.8, DeepSWE v1.1 74.2, ExploitGym 15.3, GPQA Diamond 90.9 и Terminal-Bench 2.1 90.6 — все по собственным данным [НАШЕ].

Только последний пункт представляет собой сравнение бенчмарков, и оно не является корректным. Terminal-Bench 2.1 на нашей карточке и Terminal-Bench 4.0 с показателем 26,77% на странице базового чекпоинта [INDEPENDENT] — это разные испытательные стенды разной сложности, и вычитание одного из другого даёт цифру, не несущую никакой информации. Цена и задержка сопоставимы; показатели бенчмарков — нет, потому что одну сторону оценивал независимый оценщик, а другую — поставщик.

Две страницы контрольных точек и пробел, не имеющий никакого отношения к abliteration

Artificial Analysis ведёт две страницы для этой модели, и их ни в коем случае нельзя усреднять между собой. deepseek-v4-1-flash — это контрольная точка за сентябрь 2026 года, и на её странице отображается баннер об устаревании: индекс 39,46, Terminal-Bench 4.0 — 26,77%, уровень галлюцинаций 96,46%, $0,48 за задачу индекса и 88 574 выходных токена на задачу [INDEPENDENT]. deepseek-v4-1-flash-1017 — это обновление от 17 октября: индекс 45,10, 89 495 выходных токенов на задачу и 167,3 токена в секунду [INDEPENDENT].

Эти два измерения разделяют 5,6 пункта индекса, и между ними не было абляции — это произошло из-за рефреша [INDEPENDENT]. Теперь нанесите абляционные сборки на временную шкалу: сборка от 10 сентября находится на сентябрьском чекпоинте, а сборка от 17 октября — на рефреше [VENDOR]. Любой, кто цитирует «DeepSeek V4.1 Flash Abliterated набирает 45» или «набирает 39», цитирует число, измеренное на базовых весах, на одном из двух чекпоинтов, в прогоне, который никогда не затрагивал абляционную сборку. Показатель способностей без даты чекпоинта — не измерение. Это шум с десятичной точкой.

Хостинг сборки с ограниченным доступом — это отдельный продукт, нежели редактирование весов.

Надбавка за наш хостинг составляет 5,3× на входе, 2,7× на выходе и 50× при чтении из кэша [OURS], и стоит честно сказать, чем эти деньги не являются: это не стоимость редактирования. Редактирование — это веса под лицензией MIT и опубликованная процедура. Надбавка оплачивает именованную сборку, привязанную к фиксированной контрольной точке, задержку и частоту ошибок, измеренные за 7 дней и 17,5 млрд токенов, страницу, на которой указано, каким контрольным точкам следует развёртывание, и барьер против анонимного использования.

Этот шлюз находится на самой странице модели, а не спрятан в документе с политиками: требуются соглашение, passkey и условия, а наличие API-ключа само по себе не открывает доступ к модели [OURS]. Для сборки, определяющим свойством которой стало удаление отказов из весов, позволять любому держателю ключа направлять на неё продакшен-трафик — это не нейтральный вариант по умолчанию, и мы не предлагаем её в таком качестве.

Выполнить вычитание самостоятельно — вполне допустимый вариант.

Базовые веса распространяются по лицензии MIT. Существующая сегодня abliterated-сборка — это 48 шардов и 510,297 ГБ [VENDOR]. Инструменты, с помощью которых она была получена, опубликованы, а сама процедура требует GPU, а не контракта. Если вам нужен модифицированный чекпоинт и у вас есть оборудование, правка обойдётся вам только в ваши вычисления — и вместе с ней вы наследуете всё бремя поддержки: поведение отказа именно вашего запуска, оценку, которую вы не провели, и ответственность за чекпоинт, с которым вы выпускали решение. Аренда хостинговой версии — это аренда чужого запуска того же самого вычитания с приложенным контрактом поддержки.

Такая формулировка сохраняет честность сравнения. Вопрос не в том, стала ли аблитерированная модель безопаснее — в обычном смысле нет, потому что отказы были удалены намеренно, и выжили 4 из 100 или 24 из 100 в зависимости от того, какую сборку брать [VENDOR]. Вопрос в том, что вы на самом деле изменили, с какого чекпоинта стартовала модель и чем вы платите за это изменение. В нашей собственной линейке тариф на ввод, в 5,3 раза превышающий базовый, даёт поддерживаемое развёртывание правки, а не более сильную модель [OURS]. Именно смешение этих двух вещей превращает цену в заявление о возможностях, которое никто никогда не измерял.

Примечание об источнике

Artificial Analysis, индекс v4.3.2, 26 октября 2026 г.: обе страницы чекпоинтов — deepseek-v4-1-flash и deepseek-v4-1-flash-1017. Карточки моделей Hugging Face для s-zaizen/DeepSeek-V4.1-Flash-Abliterated (10 сентября 2026 г.) и mrfakename/DeepSeek-V4.1-Flash-1017-abliterated (17 октября 2026 г.). Каталог и страницы моделей OrcaRouter, 26 октября 2026 г., по ценам, пропускной способности, объёму токенов и карточка OrcaCyber Flash 1.0. Все строки бенчмарков OrcaCyber основаны на самоотчётах и не проходили независимый аудит; независимые показатели возможностей в этой статье — это измерения Artificial Analysis базового чекпоинта, и не существует независимого бенчмарка возможностей abliterated-сборки, на который можно сослаться.