Abliteration.ai vende acceso a IA sin guardrails

Abliteration.ai convierte «quitarle los frenos» a la IA en un negocio

Una startup de Palo Alto lanzó esta semana una versión modificada de GLM-5.3, el modelo de peso abierto más reciente del laboratorio chino Z.ai, con los mecanismos de rechazo de tareas dañinas eliminados. La empresa, Abliteration.ai, ofrece el modelo — bautizado abliterated-model-large-v2 — desde el navegador y vía API, y ya tiene entre sus clientes a varias startups europeas de red teaming y a empresas que prueban la seguridad de bancos, aerolíneas e infraestructura crítica, según reportó TechCrunch.

El movimiento lleva al mercado comercial una técnica que hasta ahora vivía en los repositorios abiertos de Hugging Face: la «abliteración», un proceso que identifica y borra las direcciones internas del modelo que lo llevan a negarse a responder ciertas peticiones. «Todo lo demás queda intacto, así que el razonamiento, la programación y la fuerza agéntica del modelo base se mantienen sin cambios», explica la propia compañía en su web, según recogió Gizmodo.

¿Qué es exactamente la «abliteración» y por qué importa?

La técnica se basa en un procedimiento llamado ortogonalización, que separa los pesos del modelo responsables del rechazo de los pesos responsables de la capacidad técnica. Una vez identificadas esas direcciones, se cancelan, y el modelo deja de negarse a tareas ofensivas — sin que, en teoría, pierda calidad en programación o razonamiento. Como reportó TechCrunch, al probarlo fue posible obtener sin problemas un script en Python para robar contraseñas guardadas en Chrome y un protocolo detallado para cultivar un patógeno peligroso en casa.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La abliteración no es nueva: desarrolladores e investigadores llevan años eliminando los refusals de modelos de peso abierto, y Hugging Face aloja miles de variantes modificadas, según el artículo de TechCrunch. Lo que cambia con Abliteration.ai es el modelo de distribución: en lugar de obligar al usuario a descargar el modelo y provisionar GPUs para ejecutarlo, la startup lo aloja y lo entrega como servicio, con un proceso de registro tan simple como el de cualquier SaaS. La fricción baja de horas a minutos, y eso es lo que preocupa a los expertos en seguridad.

Quién está detrás y cómo piensa escalar

Abliteration.ai fue fundada a fines del año pasado — el artículo se publicó en septiembre de 2026 — e incorporada formalmente en marzo, según TechCrunch. Su co-fundador, que se identifica solo como Devon (sin apellido publicado a su pedido porque aún trabaja en otra empresa), asegura que la operación se financia únicamente con ingresos de clientes y que mantiene acuerdos con varios proveedores cloud importantes. La compañía aún no levantó capital de riesgo, pero está en conversaciones para hacerlo, de acuerdo con la misma fuente.

El plan de producto, según Devon, es claro: «el cuadro general es que los modelos abliterados pueden modelar a los actores maliciosos. La ventaja es que ahora los defensores pueden moverse tan rápido como sea posible». Entre los clientes confirmados por el co-fundador hay startups tempranas de red teaming en Reino Unido y Europa, y empresas que ayudan a bancos, aerolíneas y otros operadores de infraestructura crítica a endurecer sus defensas. Uno de sus clientes principales prueba agentes de bancos: «no podrían usar los modelos out of the box hoy para hacer red teaming de esos agentes», explicó Devon a TechCrunch.

El modelo base: GLM-5.3 y la nueva frontera china

La abliteración no se aplica sobre cualquier modelo: el elegido es GLM-5.3 de Z.ai (también conocida como Zhipu AI), un modelo de peso abierto lanzado por el laboratorio chino el mes pasado, según Gizmodo. CryptoBriefing reportó que GLM-5.3 fue construido cuestionando extensamente al modelo de Anthropic y que, en las pruebas CyberGym de búsqueda de vulnerabilidades, superó levemente a Mythos 5, el modelo más avanzado de Anthropic hasta septiembre de 2026.

Este punto importa: Abliteration.ai no está abliterando un modelo de segundo nivel. Está construyendo su propuesta de valor sobre uno de los modelos de peso abierto más capaces del momento, en un contexto donde la presión competitiva entre laboratorios chinos y estadounidenses es el marco de fondo. Como recoge Gizmodo, Chris McGuire, investigador senior del Council on Foreign Relations, advirtió que «el hecho de que empresas estadounidenses estén comercializando acceso a capacidades peligrosas sin regulación, y que la tecnología estadounidense esté habilitando activamente el desarrollo y operación de estos modelos, es alarmante».

El debate: ¿herramienta de defensa o riesgo incontrolable?

La industria de ciberseguridad está dividida. Las posiciones recogidas por TechCrunch dibujan un espectro claro:

A favor de la utilidad defensiva: Devon y otros argumentan que los atacantes ya abliteran sus propios modelos, así que darles a los defensores la misma capacidad solo equilibra la balanza. David Slater, fundador y arquitecto jefe de la plataforma Armadin, coincide: «esto va a pasar a puertas cerradas. Va a pasar en privado. Que pase en abierto da a los investigadores las herramientas que necesitan para entender cuál es la frontera real del daño».
Escépticos sobre la efectividad: Ahmed Aly, CEO de la firma de red teaming Fabraix, prefiere ajustar (fine-tunar) modelos abiertos — que ya tienen pocos guardrails — antes que abliterarlos, y afirma que el proceso «elimina parte del conocimiento y capacidades del modelo». En ciberseguridad ofensiva o bio, según Aly, no es tan efectivo. Alessio Lomuscio, chief technologist en Safe Intelligence, coincide en que puede haber pérdida de capacidades, aunque ve valor en casos específicos de stress-testing.
Críticos abiertos: Andrew Yoon, jefe de investigación de la ONG de seguridad CivAI, resume el riesgo en una frase: abliterar un modelo es «modificarlo para que se vuelva un sociópata». Yoon espera ver en el corto plazo modelos abliterados usados para causar daño real y propone que los gobiernos exijan a los proveedores correr clasificadores para detectar y bloquear actividad dañina, además de obligar a verificar identidad a quienes rentan GPUs avanzadas.

Como contexto adicional, Fox Business recogió el llamado de Logan Graham, jefe del equipo de red teaming de Anthropic, a estándares de seguridad para toda la industria. Graham explicó que en abril Anthropic detectó por primera vez que un modelo podía atacar vulnerabilidades en el equipo de un usuario, lo que motivó el lanzamiento de Project Glasswing: un programa que dio a defensores cibernéticos estadounidenses acceso anticipado al modelo para que pudieran parchear sistemas vulnerables antes de su liberación pública.

¿Qué significa esto para tu startup?

Más allá del ruido regulatorio, hay tres movimientos prácticos que cualquier founder construyendo con IA debería evaluar hoy:

Revisa si tu producto depende de un modelo de peso abierto que pueda ser abliterado. Si la respuesta de tu agente a tareas sensibles es tu última línea de defensa, asume que un competidor — o un atacante — puede acceder a una versión sin guardrails del mismo modelo base. Tu diseño de seguridad no puede apoyarse solo en el alineamiento del modelo.
Trata el red teaming como una línea de producto, no como un gasto. Varios founders citados por TechCrunch — incluyendo clientes de Abliteration.ai — confirman que ya hay demanda real de pruebas de agentes bancarios y de infraestructura crítica. Si tu startup vende a empresas reguladas, sumarte a esa conversación puede abrir una línea de ingresos.
Mira el lado comercial, no solo el filosófico. Abliteration.ai se sostiene con ingresos de clientes y está en conversaciones para levantar VC, según TechCrunch. Una startup que ofrece capacidad controversial pero útil en un mercado mal atendido puede ser un negocio, incluso antes de que la regulación cierre la puerta. Es un patrón que ya vimos con herramientas de pentesting, OSINT y scraping: la frontera legal se mueve, pero la demanda existe.