JoasASantos/Offensive-Security-AI-Models

它解决的问题

该项目解决了对不受典型安全拒绝限制的开放权重语言模型的需求，以便安全专业人员可以将其用于授权的红队行动、渗透测试和安全研究。标准模型通常会拒绝回答进攻性安全提示，这限制了它们在这些专注任务中的实用性。

工作原理

这是一个包含25+个无审查模型的精选列表，每个模型都有清晰的规格表。列表包括基础模型、参数数量、上下文长度、VRAM要求、去除拒绝的方法（如对安全数据进行监督微调、abliteration或直接权重修改）、训练数据来源，以及是否支持工具调用或视觉。条目分为“安全微调模型”、“通用Abliterated模型”和“遗留/经典模型”。README还列出了托管或启用这些模型的云提供商，包括托管API服务和用于自托管的GPU云选项。

适用对象

安全研究人员、渗透测试人员、红队成员和开发人员，他们希望运行无审查LLM用于授权的安全任务，如漏洞分析、漏洞利用开发、威胁情报或进攻性工具。对于需要部署指导（包括VRAM大小和托管推理选项）的人员也很有用。

亮点

• 涵盖27个模型，从小型1.5B到大型753B MoE架构
• 详细规格：上下文长度高达1M，VRAM从约2 GB到多GPU设置
• 记录了多种无审查方法：对安全数据的SFT、abliteration、LoRA和直接权重编辑
• 包含基准测试结果（例如，GTFOBins 100%准确率，CyberBench改进）
• 提及许多模型的工具调用和视觉能力
• 为每个模型提供HuggingFace下载链接
• 列出托管推理提供商（OrcaRouter、Featherless、Together）和GPU云（RunPod、Vast.ai）