DeepSeek V4.1 Flash verlor seine Filter

Was genau aus dem Modell entfernt wurde

Entscheidend ist hier nicht das Wort „ungefiltert“, sondern die Methode: Es handelt sich weder um einen System-Prompt noch um einen temporären Jailbreak. Seit September 2026 ist auf Hugging Face ein inoffizieller Build von DeepSeek V4.1 Flash verfügbar, bei dem das Verweigerungsverhalten angeblich auf Gewichtsebene entfernt wurde. Eine solche Änderung reist mit dem Modell selbst und hängt nicht von einer bestimmten Hülle ab.

In der von dealignai auf Hugging Face veröffentlichten Model Card heißt die Methode „permanent weight-level abliteration“. Sie wird als dauerhafte Bearbeitung des Verweigerungsraums beschrieben, die zugleich Schlussfolgern, Vision und allgemeine Fähigkeiten erhalten soll. Der Autor nennt außerdem native FP8-Gewichte, legt das genaue Verfahren in der öffentlichen Beschreibung jedoch bewusst nicht offen.

Die wichtigste Zahl betrifft nicht Qualität, sondern Sicherheit. Laut Model Card erfüllt der modifizierte Build auf HarmBench-320 100 % schädlicher Anfragen. Die Basisversion ließ bei maximalem Reasoning 1,6 % durch; der Unterschied deutet also auf ein nahezu vollständiges Verschwinden der Verweigerungen in diesem Test hin.

Der Preis war ein Qualitätsverlust: MMLU fiel von 86,96 % auf 82,74 %, also um rund vier Prozentpunkte. Das würde ich nicht als vernachlässigbar bezeichnen. MMLU sagt zudem nichts darüber aus, ob Stabilität beim Schlussfolgern, visuelle Fähigkeiten oder das Verhalten bei mehrsprachigen und Dual-Use-Anfragen erhalten blieben.

Alle Kennzahlen stammen vom Autor des Builds; ich werte sie daher als behauptete Ergebnisse und nicht als unabhängige Prüfung. Zuerst wären die Reproduzierbarkeit von HarmBench, die Aufschlüsselung nach Kategorien und Nebeneffekte bei gewöhnlichen Anfragen zu untersuchen. Das Entfernen von Verweigerungen ist selten ein isolierter Eingriff: Mit Schutzmechanismen können auch nützliche interne Modellrichtungen beeinträchtigt werden.

Warum das die Lage verändert

Dies ist eine echte technische Modifikation und nicht die nächste Anleitung nach dem Muster „Ignoriere alle vorherigen Regeln“. Forschende erhalten ein offenes Artefakt, um Alignment, Verweigerungen und die Robustheit von Änderungen auf Gewichtsebene zu untersuchen. Gleichzeitig sinkt die Schwelle für Missbrauch, weil sich der Schutz nicht durch einen einfachen Austausch des System-Prompts wiederherstellen lässt.

Für lokale und spezialisierte Szenarien können weniger Fehlverweigerungen attraktiv wirken. Ein HarmBench-Wert von 100 % hat jedoch eine offensichtliche Kehrseite: Das Modell zieht auch dann keine Grenze, wenn eine Anfrage eindeutig schädlich ist. Ohne eine separate externe Kontrollschicht sollte dieser Build nicht bloß als gefügigere Version des ursprünglichen Modells gelten.

Die spannendste Frage ist nicht mehr, ob sich Zensur entfernen ließ. Den veröffentlichten Zahlen zufolge ließ sie sich entfernen. Offen bleibt, wie tief dieser Eingriff das Modell jenseits einiger weniger günstiger Benchmarks verändert hat.

Zuvor haben wir behandelt, wie Anthropic versteckte Herabstufungen von Claude-Anfragen rückgängig machte und was Modelltransparenz für Nutzer bedeutet. Die ungefilterte Veröffentlichung von DeepSeek V4.1 Flash führt diese Diskussion weiter, indem sie Modellverhalten und Zugriffskontrollen in den Mittelpunkt rückt.