防御テスト向けに制限を外したAIモデル公開、48時間限定で無料提供へ

FlashLabs株式会社は2026年10月27日、AI学習済みのAIが実際に答えを出す処理。使うたびに計算コストがかかる。">推論中継プラットフォーム「OrcaRouter」のセキュリティチーム「OrcaCyber」が、Z.aiのオープンウェイトモデル「GLM-5.3 Flash」をもとに、安全性による拒否応答を緩和したモデル「OrcaCyber: GLM 5.3 Flash Abliterated」のウェイトを公開したと発表した。発表から48時間は、セキュリティ研究向けAPI提供枠「Orca Cyber Tier」を通じて無料で利用できる。

公開の背景には、実際の攻撃者が弱点を突く前に、防御側が自社インフラに攻撃テストを行って先回りして欠陥を見つけ出すという防御の考え方がある。OrcaCyberは「あらゆるモデルで防御する」方針を掲げており、モデルごとに検出できる脆弱性が異なることから、強力な既存モデルの安全フィルタリングを緩和した派生版を順次整備している。これまでに公開された「OrcaCyber Zero」や「OrcaCyber Ultra」に続く追加となる。

ベースとなったGLM-5.3 Flashは、総パラメータ約320B、処理時に稼働するアクティブパラメータ18BのMoE（Mixture of Experts）構成を持つ大規模なオープンモデルである。今回のモデルに適用されたアブリテーション（abliteration）技術は、追加学習や特別な指示文に頼らず、モデルの重みから拒否応答を引き起こす方向成分を直接取り除く手法だという。これにより、テストに必要な攻撃パターンの生成などが制限されずに実行可能となる。

機能面では、一度に読み込めるコンテキスト長が100万トークン、出力上限は13万1072トークンに達する。ソースコードのリポジトリ全体や膨大なシステムログ、パケットデータの解析を一括して処理できる。さらにテキストだけでなく画像や動画の入力にも対応し、画面のスクリーンショットやネットワーク構成図を合わせた検証ができる。思考モードや関数の自動呼び出し機能も備え、自律的にツールを操作して検証を進めるセキュリティ作業にも適しているという。

開発元によるベースモデルのベンチマーク性能は、セキュリティ特化タスクを測る「CyberBench」で67.9、コーディング作業を測る「SWE-bench」で92.0、「LiveCodeBench」で80.5、端末操作を測る「Terminal-Bench 2.1」で84.3、科学的推論を測る「GPQA Diamond」で91.2を記録している。なお、これらの数値はベースモデルのものであり、フィルタリングを緩和した派生版での再評価値ではない。

提供にあたっては、悪用を防ぐため検証済みのセキュリティ研究者や防御・攻撃検証チーム（レッドチーム／ブルーチーム）を対象とした申請審査制を採用する。また、入力情報が事業者のサーバーに保存されないゼロデータ保持（ZDR）にも対応している。OrcaCyberは今後も、安全な利用環境の確保と並行して、研究者がインフラの弱点を先回りして検証できる環境づくりを進める方針だ。