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

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.