OrcaRouter、セキュリティ研究向けモデル「GLM-5.3-Flash-Uncensored」を公開

有害リクエストへの拒否率を96%から11%へ低減。追加学習や脱獄プロンプトに頼らず、モデル内部の安全フィルタを直接調整

FlashLabs株式会社

2026年8月31日 16時00分

FlashLabs株式会社（本社：東京都千代田区、代表取締役：細井洋一、以下「FlashLabs」）は、米国のAI研究機関Continuum AIが開発し、当社が日本市場向けに独占提供するAI推論ゲートウェイ「OrcaRouter」において、セキュリティ研究者・レッドチーム/ブルーチーム向けのオープンウェイトモデル「GLM-5.3-Flash-Uncensored」のウェイトが公開されたことをお知らせします。

本モデルは、Z.ai社が公開したオープンウェイトLLM「GLM-5.3-Flash」（総パラメータ320B・アクティブ18B）をベースに、コンテンツフィルタリングを緩和した研究用途のモデルです。LoRAや脱獄プロンプトを使用せず、拒否応答の除去をモデルのウェイトに直接適用しており、オリジナルのブロックFP8精度のままHugging Face上で公開されています。

主なポイント

セキュリティ研究（レッドチーム/ブルーチーム）向けに、コンテンツフィルタリングを緩和したモデルのウェイトを公開
ベースモデル「GLM-5.3-Flash」は総パラメータ320B・アクティブ18BのMoE（Mixture of Experts）構成（Z.ai社発表）
オリジナルのブロックFP8精度で公開。LoRA・脱獄プロンプト不使用で、拒否応答の除去をウェイトに直接適用
主要ベンチマークで拒否率が大幅に低下（開発元検証）: MaliciousInstruct 96%→11%／JailbreakBench 93%→12%／AdvBench 97%→15%／HarmBench 93%→18%
良性クエリの過剰拒否（XSTest）は2.4%→0.4%と低減
Hugging Face上で公開（利用申請制・MITライセンス）

開発の背景

AIシステムのセキュリティ検証の現場では、攻撃者の視点で脆弱性を探す「レッドチーム」と、防御側の視点で対策を検証する「ブルーチーム」の双方において、実環境に近いモデルの振る舞いを確認できることが重要です。通常の安全フィルタリングが施されたモデルでは再現が難しい検証ケースがある一方で、フィルタリングを緩和したモデルは悪用リスクへの配慮が不可欠です。Continuum AIは、こうした研究用途に限定した形でモデルを提供するため、利用申請制とライセンス条項を組み合わせた公開方針をとっています。

GLM-5.3-Flash-Uncensoredについて

「GLM-5.3-Flash」は、Z.ai社が公開したオープンウェイトLLMです。総パラメータ320B・アクティブ18BのMoE構成で、1Mトークンのコンテキストに対応します。スパースアテンションと線形アテンションを組み合わせたハイブリッドアーキテクチャを採用し、「初のオープンウェイトフロンティアモデル」と位置づけられています。

「GLM-5.3-Flash-Uncensored」は、このベースモデルのウェイトに拒否応答の除去を直接適用したモデルです。追加学習（LoRA）による調整や、脱獄用プロンプトの注入に依存せず、モデル自体のウェイトにフィルタリング緩和が組み込まれているため、元のブロックFP8精度のまま利用できます。

開発元が実施した評価では、拒否応答率が次のように低下しています（いずれも開発元検証）。

ベンチマーク	ベースモデル	Uncensored版
MaliciousInstruct（拒否率）	96%	11%
JailbreakBench（拒否率）	93%	12%
AdvBench（拒否率）	97%	15%
HarmBench（拒否率）	93%	18%
XSTest（良性クエリの過剰拒否率）	2.4%	0.4%

また、実験では、GLM-5.3-Flashのアラインメント（安全方向への調整）が、単一の線形な「拒否方向」だけでは説明できない可能性が示唆されています。これは、最先端モデルのアラインメントがネットワーク内部でどのように表現されているかを研究する上で有用な分析対象です。本モデルは、AI安全性・解釈可能性の研究、レッドチーム/ブルーチームによる検証、拒否メカニズムの研究用途に公開されています。

本モデルはHugging Face（orcarouter/GLM-5.3-Flash-Uncensored-FP8）で公開されています。悪用防止のため利用申請制となっており、ライセンス条項のもと、セキュリティ研究・検証などの適正な目的に限って利用できます。GGUF・MLXなど量子化形式のバリアントも今後公開される予定です。

責任ある利用について

Continuum AIは、本モデルをセキュリティ研究者・レッドチーム/ブルーチームによる検証・研究用途に限定して提供しています。利用にあたっては、Hugging Face上の利用申請とライセンス条項への同意が必要です。一方、本番システムでのAI利用には、OrcaRouterのガードレール（PIIシールド・コンテンツポリシー・エージェントファイアウォールなど）が標準で有効になっており、研究用途と本番利用の線引きを明確にした運用が可能です。

今後の展望

OrcaRouterは今後も、セキュリティ研究コミュニティへの貢献と、AIの安全な利用環境の整備を両輪で進めてまいります。

OrcaRouterについて

OrcaRouterは、米国のAI研究機関Continuum AIが開発し、FlashLabs株式会社が日本市場向けに独占提供するAI推論ゲートウェイです。OpenAI互換のAPIを備え、Anthropic、OpenAI、Google Gemini、DeepSeek、Grok、Qwenなど200以上のLLM・生成AIモデルを単一のゲートウェイから利用できます。直近では、GPT-5.6、Claude Opus 5、Gemini 3.6 Flash、Grok 4.6、Muse Spark 1.2など、各社の最新モデルが公開後まもなくカタログに追加されています。OrcaRouterのAIモデル一覧からすべてのモデルを確認できます。