Zurück zur Übersicht
ProduktstartCybersicherheitKünstliche IntelligenzInferenz

Zro stellt unzensierte Sicherheitsmodelle vor: Neue KI-Inferenz für Red-Teaming und Cybersicherheitsforschung ohne Datenprotokollierung

Die Inferenzplattform Zro hat mit Dolly 1 Security und Dolly 2 Security zwei spezialisierte, unzensierte Sprachmodelle für die Cybersicherheitsforschung veröffentlicht. Herkömmliche generative KI-Systeme verweigern bei Sicherheitsüberprüfungen und Schwachstellenanalysen häufig legitime Eingaben aufgrund pauschaler Sicherheitsfilter. Die neuen Modelle basieren auf der GLM-5.3-Architektur und wurden speziell für defensive Testverfahren sowie Red-Team-Workflows konzipiert. Entwickler und Sicherheitsteams können die Modelle über eine Programmierschnittstelle sowie ein Kommandozeilenwerkzeug ansteuern. Ein zentrales Merkmal der Plattform ist das strikte Zero-Data-Retention-Prinzip: Sämtliche übermittelte Prompts und generierte Sicherheitsdaten werden zu keinem Zeitpunkt zwischengespeichert oder für nachfolgende Trainingsprozesse ausgewertet. Für das anspruchsvollere Modell Dolly 2 Security stellt Zro zudem vollständige Modellgewichte sowie detaillierte Evaluierungsdaten bereit, um Transparenz und wissenschaftliche Nachprüfbarkeit in professionellen Audit-Workflows zu gewährleisten.

Product Hunt

Die wichtigsten Punkte

  • Spezialisierte Sicherheitsmodelle: Zro veröffentlicht mit Dolly 1 Security und Dolly 2 Security zwei entfilterte Modelle, die gezielt für Red-Teaming, Penetrationstests und defensive Sicherheitsprüfungen optimiert wurden.
  • Beseitigung von Weigerungen: Durch gezielte Beseitigung pauschaler Sicherheitsfilter (Abliteration) bearbeiten die Modelle legitime Sicherheitsanfragen, anstatt Analysen wegen allgemeiner Richtlinienrichtwerte zu blockieren.
  • Strikte Datenvertraulichkeit: Dank einer konsequenten Zero-Request-Retention-Architektur werden Anfragen und Quelltexte weder auf Servern gespeichert noch zum Trainieren künftiger Modelle verwendet.
  • Offenlegung und Evaluierung: Für das Modell Dolly 2 Security werden offene Gewichte und standardisierte Evaluierungen bereitgestellt, um volle Transparenz über Leistungsfähigkeit und Fähigkeiten zu bieten.

Analyse

Die Problematik pauschaler Schutzmechanismen im Sicherheitssektor

In der professionellen Cybersicherheit stehen Analysten, Penetrationstester und Red-Teams zunehmend vor einem grundlegenden Problem: Moderne Allzweck-Sprachmodelle sind mit umfassenden Alignment- und Zensurschichten ausgestattet, die darauf ausgelegt sind, potenziell schädliche Eingaben pauschal abzuwehren. Was für die allgemeine Öffentlichkeit als Schutz vor Missbrauch dient, blockiert in der Praxis legitime Sicherheitsforscher. Routineaufgaben wie das Dekompilieren von Schadcode, das Analysieren von Exploit-Mechanismen, das Verfassen von Proof-of-Concept-Skripten oder das Simulieren realistischer Angriffsszenarien führen bei herkömmlichen KI-Systemen regelmäßig zu Verweigerungen. Forscher verbringen oft erhebliche Arbeitszeit damit, komplexe Umgehungsaufforderungen zu verfassen, nur um reguläre Sicherheitsbewertungen durchführen zu können.

Mit dem Start der Dolly-Security-Reihe reagiert Zro auf diese praktische Hürde im Arbeitsalltag von Sicherheitsexperten. Durch die Bereitstellung unzensierter Modellvarianten wird sichergestellt, dass technische Analysen ohne arbiträre Systemblockaden ausgeführt werden. Die Modelle sind in der Lage, auch hochsensible Sicherheitskontexte präzise zu verarbeiten, ohne vorzeitig abzubrechen. Dadurch schließt die Plattform eine Lücke zwischen restriktiven Großmodellen und den Anforderungen praktischer Verteidigungsstrategien.

Dolly 1 und Dolly 2 Security im Detail

Die neue Modellreihe von Zro setzt sich aus zwei spezifischen Varianten zusammen, die auf der modernen GLM-Architektur aufbauen und unterschiedliche Anforderungen an Geschwindigkeit, Kosten und Rechenleistung abdecken:

  • Dolly 1 Security: Dieses Modell basiert auf der schnellen und leichtgewichtigen Architektur GLM-5.3 Flash. Es ist primär für hochgradig iterative Workflows, schnelle Code-Scans und automatisierte Vorabprüfungen gedacht. Zro stellt diesen Endpunkt mit einem transparenten Preismodell von 0,45 US-Dollar pro Million Eingabe-Tokens und 1,50 US-Dollar pro Million Ausgabe-Tokens bereit. Dies ermöglicht es Entwicklern, auch umfangreiche Code-Repositories und repetitive Testläufe kostengünstig zu analysieren.
  • Dolly 2 Security: Das Flaggschiffmodell basiert auf dem leistungsstarken GLM-5.3 und wurde inhouse durch ein zielgerichtetes Abliterationsverfahren von Verhaltensblockaden befreit. Ein entscheidender Entwicklungsschwerpunkt lag darauf, die allgemeinen logischen Fähigkeiten sowie das differenzierte Programmierverständnis trotz Entfernung der Filter vollständig zu bewahren. Das Modell richtet sich an komplexe Analysen mehrstufiger Angriffsketten und anspruchsvolle Systemaudits. Die Nutzung wird mit 2,10 US-Dollar für Eingaben und 6,30 US-Dollar für Ausgaben je Million Tokens berechnet. Um dem Sicherheitssektor maximale Nachvollziehbarkeit zu garantieren, wurden zudem die Modellgewichte und umfangreiche Evaluierungsergebnisse öffentlich zugänglich gemacht.

Infrastruktur, Zugriff und kompromisslose Privatsphäre

Ein zentraler Aspekt bei Sicherheitsanalysen ist die strikte Vertraulichkeit der untersuchten Daten. Wenn Sicherheitsforscher noch unentdeckte Zero-Day-Schwachstellen, unternehmenseigene Quelltexte oder sensible Konfigurationsdateien in eine KI einspeisen, darf unter keinen Umständen ein Datenabfluss drohen. Viele standardmäßige Cloud-Inferenzanbieter behalten sich jedoch Protokollierungsrechte für Überwachungszwecke vor oder speichern Prompts für nachträgliche Qualitätsprüfungen temporär ab.

Zro adressiert dieses Risiko durch ein garantiertes Zero-Request-Retention-Prinzip. Anfragen werden in einer Multi-Region-Umgebung in Echtzeit verarbeitet, ohne dass Eingabe-Prompts oder Modellausgaben auf persistenten Speichermedien verbleiben. Weder der Code noch die Audit-Ergebnisse werden zur Optimierung fremder Modelle verwendet. Die Anbindung erfolgt wahlweise über eine standardisierte Programmierschnittstelle (API) oder über ein schlankes Kommandozeilenwerkzeug (CLI), wodurch sich die Modelle nahtlos in automatisierte Continuous-Integration-Pipelines, bestehende DevSecOps-Umgebungen und autonome Sicherheits-Agenten einbinden lassen.


Bedeutung für die KI-Branche

Die Veröffentlichung von Zro markiert einen bedeutsamen Wandel in der Bereitstellung spezialisierter Inferenzdienste. Während die großen KI-Konzerne ihre Modelle zunehmend mit breiteren, oft undifferenzierten Sicherheitsbarrieren versehen, entsteht eine wachsende Nachfrage nach vertrauenswürdigen Infrastrukturen für technische Randbereiche. Der Sicherheitssektor dient hierbei als wegweisendes Anwendungsbeispiel: Defensive Sicherheit lässt sich nur gewährleisten, wenn Analysten dieselben technischen Tiefen untersuchen können, die auch von böswilligen Angreifern ausgenutzt werden.

Darüber hinaus zeigt der Schritt von Zro, dass offene Modellgewichte und spezialisierte Hosting-Plattformen eine tragfähige Alternative zu geschlossenen Ökosystemen darstellen. Indem Teams die Möglichkeit erhalten, abliterierte Modelle mit verifizierten Gewichten auf einer datenschutzkonformen Inferenzplattform zu betreiben, verschiebt sich die Balance zugunsten kontrollierbarer, auditierbarer Werkzeuge. Dies könnte künftig als Blaupause für weitere Branchen dienen, in denen restriktive Filter der allgemeinen Modellanbieter legitime Forschungs- und Entwicklungsarbeit behindern.


Häufig gestellte Fragen

Was unterscheidet Dolly 1 Security von Dolly 2 Security?

Dolly 1 Security baut auf dem kompakten Modell GLM-5.3 Flash auf und bietet eine sehr schnelle, kostengünstige Inferenz für standardisierte Überprüfungen. Dolly 2 Security basiert auf dem größeren Modell GLM-5.3, wurde gezielt abliteriert, um komplexe logische Fähigkeiten zu erhalten, und bietet zusätzliche Transparenz durch veröffentlichte Gewichte und Validierungen.

Warum benötigen Sicherheitsforscher unzensierte Modelle?

Standardmodelle blockieren regelmäßig Anfragen zu Schwachstellenanalysen, Exploit-Prüfungen oder Schadcode-Mustern, da ihre Sicherheitsfilter nicht zwischen bösartigen Absichten und legitimen Testverfahren von White-Hat-Sicherheitsteams unterscheiden können. Unzensierte Modelle bearbeiten diese Aufgabenstellungen ohne Verweigerung.

Wie stellt Zro den Schutz sensibler Unternehmensdaten sicher?

Zro verfolgt ein striktes Zero-Retention-Prinzip. Alle Anfragen über die API oder das CLI werden flüchtig verarbeitet. Quellcodes und Prompts werden weder gespeichert noch für das Nachtrainieren von Modellen verwendet, wodurch das Risiko von Datenlecks bei Sicherheitsaudits minimiert wird.

Ähnliche Nachrichten

Tool Retrieval in der Gemini API: Google kündigt Vorschau für KI-Agenten an
Produktstart

Tool Retrieval in der Gemini API: Google kündigt Vorschau für KI-Agenten an

Google stellt Tool Retrieval als Vorschau in der Gemini API bereit. Die Funktion soll KI-Agenten Zugang zu Hunderten von Werkzeugen ermöglichen und dabei weniger Tokens benötigen. Damit verbindet die Ankündigung zwei Aspekte: die Zahl der Werkzeuge, auf die Agenten zugreifen können, und den dafür nötigen Tokenverbrauch. Wie groß die Einsparung ausfällt, geht aus der Meldung des Google AI Blog nicht hervor. Sie nennt weder einen konkreten Vergleichswert noch erläutert sie, wie Tool Retrieval technisch funktioniert. Auch welche Werkzeuge zur Verfügung stehen und ob oder wann die Funktion über die Vorschau hinaus verfügbar sein wird, bleibt offen. Die Meldung beschreibt somit den angekündigten Nutzen, liefert aber keine technischen Details oder Messwerte.

LangSmith Tool Gateway startet in die öffentliche Beta und regelt Werkzeugaufrufe von KI-Agenten
Produktstart

LangSmith Tool Gateway startet in die öffentliche Beta und regelt Werkzeugaufrufe von KI-Agenten

LangChain meldet, dass LangSmith Tool Gateway als öffentliche Beta verfügbar ist. Das Produkt verwaltet bei jedem Werkzeugaufruf eines KI-Agenten die Zugangsdaten, die Identität und den Zugriff. Zum genannten Funktionsumfang gehören außerdem Richtlinien, Freigaben und Ablaufspuren. Die Meldung beschreibt damit zwei Seiten der Werkzeugnutzung: die Verwaltung von Zugangsdaten, Identität und Zugriff einerseits sowie die Kontrolle und Nachverfolgung von Aufrufen andererseits. Entscheidend für die Einordnung ist, dass LangChain diese Funktionen auf einzelne Werkzeugaufrufe bezieht. Wie Richtlinien festgelegt werden, wann Freigaben erforderlich sind und welche Informationen die Ablaufspuren enthalten, geht aus der Meldung nicht hervor. Der ausdrücklich genannte Veröffentlichungsstatus ist die öffentliche Beta.

Google stellt Gemini Decision 1 vor: Das Modell wählt Antworten aus, statt sie zu schreiben
Produktstart

Google stellt Gemini Decision 1 vor: Das Modell wählt Antworten aus, statt sie zu schreiben

Mit Gemini Decision 1 stellt Google ein Modell vor, das Antworten auswählt, statt sie zu schreiben. Nach der Meldung hat das Modell genau diese eine Aufgabe und verfasst dabei selbst keinen Text. Auf der Eingabeseite kann es Texte, Bilder, Videos, Audio und PDFs verarbeiten. Die Verarbeitung erfolgt in einem einzigen Vorwärtsdurchlauf. Pro Anfrage unterstützt Gemini Decision 1 bis zu 262.144 Eingabetokens. Die Meldung unterscheidet damit zwischen den vielfältigen Eingaben, die das Modell lesen kann, und seiner eng umrissenen Aufgabe bei der Antwort: Es formuliert keine eigene Antwort, sondern trifft eine Auswahl. Die genannte Tokenobergrenze bezieht sich auf die Eingabe pro Anfrage, nicht auf eine Textausgabe.