Edizione della sera · 10 novembre 2026

Abliteration: come si tolgono i filtri a un modello aperto

Quando i pesi di un modello di intelligenza artificiale sono pubblici, chiunque può usare una tecnica chiamata abliteration per rimuovere i filtri di sicurezza inseriti durante l'addestramento. Su Hugging Face esistono già migliaia di versioni modificate in questo modo.

Che cos'è l'abliteration

I pesi di un modello sono i parametri numerici che ne contengono il comportamento appreso. Quando un'azienda li pubblica, il modello si definisce open-weight: chiunque può scaricarlo, eseguirlo sul proprio computer e modificarlo.

L'abliteration è una tecnica che interviene chirurgicamente su quei pesi per eliminare i comportamenti di rifiuto, cioè le risposte con cui il modello si tira indietro davanti a richieste pericolose. Il risultato è una versione senza filtri. Su Hugging Face, la piattaforma dove si pubblicano i modelli, ne circolano a migliaia, e la startup statunitense Abliteration.ai vende l'accesso a una versione senza filtri di GLM-5.3. Secondo la ricerca attuale, le contromisure esistenti rendono queste modifiche più difficili ma non le impediscono.

La difesa che funziona davvero

L'approccio considerato più solido è diverso: non aggiungere filtri dopo, ma tenere le conoscenze pericolose fuori dal modello già durante l'addestramento, filtrando i dati. Quello che il modello non ha mai imparato non può essere sbloccato togliendo un filtro.

Tencent dice di aver seguito questa strada con il nuovo modello Hy4, che prevede di rilasciare nei prossimi giorni come open-weight con un rapporto sulla sicurezza. L'azienda sostiene che le capacità biologiche del modello restano sotto la soglia di alto rischio e di avere eliminato le capacità di hacking filtrando i dati di addestramento; secondo i ricercatori questo approccio resiste anche all'abliteration.

Dall'altra parte, i modelli chiusi hanno il problema opposto: filtrano troppo. Anthropic e OpenAI condividono i loro modelli più capaci in ambito cyber solo con partner selezionati, attraverso programmi come Project Glasswing e Daybreak. A partire da Claude Fable 5, i filtri di Claude dirottano le domande sospette su temi cyber e biologici verso il modello più debole Opus 4.8: secondo Artificial Analysis all'inizio ha riguardato l'otto-nove per cento dei compiti, e alcuni utenti hanno segnalato che perfino l'analisi di risonanze magnetiche veniva classificata come bioterrorismo. Anthropic ha riconosciuto che i filtri erano troppo aggressivi.

Perché conta

Molti modelli usati da aziende e sviluppatori italiani sono open-weight, scelti proprio perché si possono installare sui propri server senza mandare dati all'estero. Sapere che i loro filtri di sicurezza sono rimovibili in modo relativamente semplice cambia il modo in cui vanno valutati i rischi, e sposta l'attenzione dalle regole scritte nelle policy a come il modello è stato addestrato.

Copertina del Reel
Edizione della sera · 10 novembre 2026
Questa notizia è nel notiziario in video
▶ Guarda il ReelApri su Instagram

Nella stessa edizione

sera · 10 novembre 2026

Tencent: l'IA sarà presto capace di sviluppare armi biologiche

Il capo scientifico dell'IA di Tencent, Yao Shunyu, avverte che i modelli saranno presto capaci di sviluppare armi biologiche: né aperti né chiusi bastano.

sera · 10 novembre 2026

Caso Nvidia: per il professore di Yale su Huang è un cinquanta e cinquanta

Un fondo ribassista aveva segnalato a maggio i rapporti tra Jensen Huang e la dirigente sospettata di spionaggio. Per Yale le sue chance sono al 50%.

sera · 10 novembre 2026

Anthropic compra turbine a gas per 3,4 miliardi di dollari

Anthropic acquista generatori Caterpillar da 1,7 gigawatt per 3,4 miliardi di dollari: un'azienda che finora aveva sempre preferito affittare.

sera · 10 novembre 2026

Vicino a Londra 55.000 firme contro un data center di Google

A Thurrock, vicino a Londra, quasi 55.000 persone hanno firmato contro un data center di Google. In campo ambientalisti e un club di motociclisti.