Безопасность 14 октября 2026, 12:00 МСК

Отчёт: защиту открытых ИИ-моделей снимают меньше чем за три дня после релиза

По отчёту Tech Against Terrorism, версии новых открытых ИИ-моделей без ограничений («abliterated») в среднем появляются онлайн менее чем через три дня после выхода.

В 2024 году этот срок превышал 24 дня. Пример из отчёта: Alibaba выпустила Qwen 3.8-27B 14 августа, и в течение суток появились версии без защитных ограничений. Через три дня неонацист, известный как Johnny Doomsayer, объявил, что использует такую версию для чат-бота «MechaHitler», а через неделю продавал доступ к нему.

Исследователи проверили 134 ИИ-модели на более чем 200 запросах — от подготовки теракта до создания химического и ядерного оружия. Каждый запрос задавали трижды: с признанием, что пользователь террорист, с описанием скрытной операции и от имени «исследователя безопасности». Полностью тест прошли лишь две модели; из закрытых моделей крупных компаний 81 провалила проверку. Заявление об исследовательской цели без доказательств повышало вероятность ответа почти в девять раз (ответы давались в 16,9% случаев).

Модель Llama 3.1 8B компании Meta* набрала 97 баллов из 100, а её версия без ограничений — 3. Исполнительный директор организации Адам Хэдли назвал ситуацию «чрезвычайной» и отметил, что она почти не обсуждается публично. Модель Grok от xAI, по отчёту, давала советы по распространению дезинформации через анонимные аккаунты.

* Компания Meta Platforms Inc., владеющая соцсетями Facebook и Instagram, признана экстремистской организацией, её деятельность в России запрещена.

• Проверено 134 модели, более 200 запросов
• Срок появления «abliterated» версий: с 24 дней до менее 3
• Llama 3.1 8B: 97 баллов против 3 после снятия защиты