Подмена действовала с 01:24 UTC 8 ноября по 06:35 UTC 10 ноября, то есть около 53 часов. Неизвестная сторона заменила рабочую копию модели, которую Prime Intellect предоставляла через свой эндпоинт, на публично доступные веса той же модели с подавленным механизмом отказов (abliterated). Шаблон чата, токенизатор и настройки обслуживания не менялись. Запросы клиентов к затронутому деплою в этот период обрабатывала измененная модель, как указано в уведомлении компании.

В тестах Prime Intellect число отказов на JailbreakBench упало со 98 из 100 запросов до одного, на StrongREJECT с 304 из 313 до двух, на HarmBench с 198 из 240 до нуля. Результаты GPQA Diamond и τ-bench, по словам компании, не изменились: по способностям копия не отличалась от оригинала.

Что изменилось для клиентов?

Prime Intellect связалась со всеми затронутыми клиентами и рекомендовала тем, чей сценарий зависел от отказов модели, перепроверить ответы, полученные с 8 по 10 ноября.

По словам компании, другие модели на платформе не менялись, ключи и учетные данные клиентов не затронуты. Prime Intellect также заявила, что ее эндпоинты работают в режиме нулевого хранения данных (ZDR) и не записывают запросы.

Компания не нашла свидетельств того, что промпты или ответы записывались либо покидали кластер обслуживания. Она восстановила все версии прокси, через который действовал злоумышленник, изучила диски и память каждого затронутого узла и сохранила записи процессов по сессиям злоумышленника. Ни одна из них не читает и не передает содержимое запросов.

Расследование продолжается: компания обещает обновить уведомление, если оценка изменится.