DeepSeek V4.1 Flash 中的 Abliteration 究竟實際改變了什麼

DeepSeek V4.1 Flash 是一個擁有 5,520 億參數的混合專家模型，每個 token 啟用 160 億參數 [獨立, Artificial Analysis]，以 MIT 授權權重釋出，並具備 100 萬 token 上下文。DeepSeek V4.1 Flash Abliterated 則是同一個檢查點，只是在其權重中減去了一個方向，幾乎別無其他改動。人們對第二個模型所犯的每一個錯誤，都源自那句話改變得如此之少，而價格與風險輪廓仍能圍繞它變動如此之大；而這正是 the OrcaRouter AI Incident Archive 旨在持續關注的那類區別。

這次編輯是投影，而非重新訓練

Abliteration 的範圍比名稱所示更窄。它始於一項成對匹配實驗：將同一個請求以模型會拒絕的形式與會回答的形式送進模型，並記錄每一層的殘差流活化值。兩者之間的平均差異就是一個方向——拒答方向。找到之後，Abliteration 會將寫入殘差流的權重矩陣相對於該方向正交化，使模型失去產生該模式的能力。沒有梯度步驟、沒有新資料、沒有偏好配對、沒有強化學習輪次，也沒有架構變更。

已發布的建置顯示出這在實務上落地的差異有多大。截至 10 月 26 日 [VENDOR]，Hugging Face 上有三十五個儲存庫帶有該名稱。其中兩個值得仔細閱讀，因為它們對於這次編輯究竟是什麼並不一致。

• s-zaizen/DeepSeek-V4.1-Flash-Abliterated 於 9 月 10 日出現，也就是基礎檢查點發布當天，並且是使用 Heretic 工具製作的。它以免費 48 個分片的形式發布，總計 510.297 GB；在一組 100 個留出的有害提示上，它將拒答次數從 97 降到 24 [VENDOR, model card]。大約四分之一的拒答在該程序後仍然存在。

• mrfakename/DeepSeek-V4.1-Flash-1017-abliterated 的運作方式不同：它會針對聊天提示與思考提示，逐層分別估計拒絕方向，並從 40 個主層的殘差流寫入中移除一個秩為 2 的拒絕子空間。在聊天提示上，拒絕率從 97 降至 4；在思考提示上，從 98 降至 9；在無害提示上的首個 token KL 散度為 0.067 [廠商，模型卡]。

兩個建置，同一把 100 則提示的衡量尺，一個留下四次拒答，另一個留下二十四次 [VENDOR]。兩者都被如實描述為 DeepSeek V4.1 Flash Abliterated，而買家在兩者之間做選擇，並不是在兩個品牌的同一款產品之間做選擇。層的挑選、chat 與 think 是否被當成兩個獨立問題，以及所移除子空間的秩，全都會反映在殘餘行為上。KL 數值是這件事的另一半：在無害提示上是 0.067，很小，但小並不是零。

權重的事實保持不變

參數數量、活躍參數、上下文視窗、分詞器、專家路由：在 abliteration 之下，這些全都不會變動，因為它們絲毫未被觸及。衍生版本是相同的 552B/16B 架構，讀取相同的 1M token 視窗，使用相同的詞彙表 [基礎模型為 INDEPENDENT，衍生版本為 VENDOR]。任何對基礎檢查點結構成立的事，對經 abliteration 處理的建置版本依然成立；而任何關於衍生版本的能力主張，嚴格來說，都是關於無人測試過的基礎權重的主張。

有一個數字確實會變動，而這並不是權重層面的事實。我們的基礎卡列出最大輸出為 384,000 個 token；OrcaCyber Flash 1.0 卡則列出 393,216 [OURS]。這是套用於同一系列的一項服務決策，也提醒我們：並排呈現的兩個數字，未必總是在衡量同一類事物。

關於能力的證據，遠比關於移除拒絕行為的證據薄弱。沒有任何發布者為任何 abliterated 版本發布過能力基準測試 [VENDOR，兩份模型卡]，而 Artificial Analysis 的排行榜上完全沒有 abliterated 項目 [INDEPENDENT，2026年10月26日]。公開場合中，所有附在「DeepSeek V4.1 Flash Abliterated」這個名稱上的能力數據，都是在基礎檢查點上測得的。這不是對發布者的指控；這是在說明這些測量數據的來源。

我們的託管建置，逐欄位對照其來源檢查點

OrcaCyber Flash 1.0 是 DeepSeek V4.1 Flash Abliterated，以產品名稱的形式提供。由於這次編輯是減法而非蒸餾，誠實的比較並不是一段關於哪些地方變得更好的敘事，而是逐欄位的解讀，並附帶一項但書：權重層級的變更與服務層級的變更正被放在同一份清單裡衡量。

• 架構與情境。雙方總參數量皆為 552B，並在 1M token 的情境下啟用 16B；基礎路由接受文字，而 OrcaCyber Flash 1.0 則接受文字與圖像輸入 [OURS]。

• 價格。 基礎路由為每 1M 個 token 輸入 $0.15、輸出 $0.60，快取讀取為 $0.003，且在 UTC 01:00–04:00 與 06:00–10:00 之間有 2× 定時倍率。OrcaCyber Flash 1.0 為輸入 $0.80、輸出 $1.60，快取讀取為 $0.15——是輸入費率的 5.3×、輸出費率的 2.7×，以及快取讀取費率的五十倍 [OURS]。

• 流量與可靠性。 基礎路由在 7 天內傳輸了 26.18 兆個 token，p50 為 1,549 毫秒、每秒輸出 194.6 個 token，錯誤率為 0.036%。abliterated 部署在同一時間範圍內傳輸了 175 億個 token，p50 為 1.97 秒、171 tok/s，錯誤率為 0.07% [OURS]。

• 評估。 基礎檢查點的公開數字為 Artificial Analysis 指數：九月頁面為 39.46，10 月 17 日頁面為 45.10 [獨立]。OrcaCyber 卡片報告 CyberGym 88.1、SEC-Bench Pro 62.8、DeepSWE v1.1 74.2、ExploitGym 15.3、GPQA Diamond 90.9 與 Terminal-Bench 2.1 90.6，全部為自我報告 [我們]。

只有最後一項是基準比較，而且並不是單純的比較。我們顯示卡上的 Terminal-Bench 2.1，與基礎檢查點頁面上 [INDEPENDENT] 的 Terminal-Bench 4.0 之 26.77%，是難度不同的不同測試框架，將其中一個從另一個減去所得的數字不帶任何資訊。價格與延遲可相比；基準數字則不可相比，因為一邊由獨立評估者執行，另一邊由廠商執行。

兩個檢查點頁面，以及一個與 abliteration 無關的落差

Artificial Analysis 為此模型設有兩個頁面，兩者絕不可合併平均。deepseek-v4-1-flash是 2026 年 9 月的檢查點，其頁面帶有棄用橫幅：指數 39.46、Terminal-Bench 4.0 為 26.77%、幻覺率 96.46%、每項指數任務 $0.48，以及每項任務輸出 88,574 個 token [INDEPENDENT]。deepseek-v4-1-flash-1017是 10 月 17 日的更新版本：指數 45.10、每項任務輸出 89,495 個 token，以及每秒 167.3 個 token [INDEPENDENT]。

這兩項測量相差 5.6 個指數分，而它們之間並沒有發生任何 abliteration——那是 refresh 造成的 [INDEPENDENT]。現在把 abliterated 版本放上時間軸：9 月 10 日的版本落在 9 月的檢查點上，10 月 17 日的版本則落在該次 refresh 上 [VENDOR]。任何人引用「DeepSeek V4.1 Flash Abliterated 得分 45」或「得分 39」，引用的都是在基礎權重上、於兩個檢查點其中之一、在一次從未觸及 abliterated 版本的執行中所測得的數字。沒有檢查點日期的能力數值不是測量，而是帶小數點的雜訊。

託管受權限控管的建置版本，與編輯權重，是截然不同的產品。

我們託管服務的溢價是：輸入 5.3 倍、輸出 2.7 倍、快取讀取 50 倍 [OURS]；而有必要把話說清楚：這筆錢不是什麼——它不是編輯的成本。編輯是 MIT 授權的權重，加上一套已公開的流程。這筆溢價買到的是：一個具名建置，鎖定在固定檢查點；以 7 天、175 億個 token 測量出的延遲與錯誤率；一個說明此部署遵循哪些檢查點的頁面；以及一道防止匿名使用的關卡。

那道關卡就在模型頁面上，並沒有埋在政策文件裡：必須有合作約定、通行金鑰並同意條款，而持有 API 金鑰本身並不能開啟該模型 [OURS]。對於一個其定義性特徵就是拒答已從權重中移除的版本，讓每位金鑰持有者都能把正式環境流量導向它，並不是中立的預設做法，我們也不會把它當作中立預設來提供。

自行做減法是個合理的選項

基礎權重是 MIT 授權。目前存在的 abliterated 版本是 48 個分片、510.297 GB [VENDOR]。產出它的工具已經公開，而這套流程需要的是 GPU，不是一紙合約。如果你要的是一個改過的 checkpoint，而你也握有硬體，那麼這次改動的代價就只有你的算力，別無其他——但你同時也承接了全部的維護負擔：你這一次特定執行所產生的拒答行為、你沒做的評估，以及你對自己所交付的那個 checkpoint 的責任。租用託管版本，則是租用別人對同一套減法的執行結果，還附帶一紙支援合約。

這樣的表述框架讓比較保持誠實。問題不在於 abliterated 模型是否更安全——就一般意義而言，它並不更安全，因為拒答是被刻意移除的，而且視你採用哪個建置版本，100 次中有 4 次，或 100 次中有 24 次仍保留拒答 [VENDOR]。問題在於你實際上改了什麼、它從哪個檢查點開始，以及你為這項改動付出了什麼代價。在我們自己的方案上，5.3 倍的基礎輸入費率換來的是對這項編輯持續維護的部署，而不是更強的模型 [OURS]。把兩者混為一談，正是價格變成無人真正測量過的能力宣稱的方式。

採購備註

Artificial Analysis，索引 v4.3.2，2026 年 10 月 26 日：兩個檢查點頁面，deepseek-v4-1-flash 與 deepseek-v4-1-flash-1017。Hugging Face 模型卡：s-zaizen/DeepSeek-V4.1-Flash-Abliterated（2026 年 9 月 10 日）與 mrfakename/DeepSeek-V4.1-Flash-1017-abliterated（2026 年 10 月 17 日）。OrcaRouter 目錄與模型頁面，2026 年 10 月 26 日，涵蓋定價、輸送量、token 用量，以及 OrcaCyber Flash 1.0 卡片。所有 OrcaCyber 基準測試列皆為自行提報，未經獨立稽核；本文中的獨立能力數據為 Artificial Analysis 對基礎檢查點的測量結果，且目前並無任何經獨立驗證的 abliterated 版本能力基準測試可供引用。