在 2024 年 1 月至 2026 年 3 月期间，我们在 HuggingFace 上发现了 3,471 个未经审查的原始模型，这些模型平均被重新打包 2.4 次。三大主体贡献了 8,164 次压缩再分发的 52%。模型在量化后会被镜像到不同账号、格式以及 Ollama 等注册表，形成一种即使上游被删除也能持续存在的持久层，且下游部署成本进一步降低。我们在 GitHub 上识别出 1,643 个集成未经审查大语言模型（ULLM）的应用，其中 25% 明确带有恶意意图。该生态系统的快速扩张削弱了原有的安全防护，导致模型在多平台间快速复制、难以追踪来源，增加了滥用风险。
技术上，量化过程将模型参数压缩为低位表示（如 4-bit），随后通过 Docker 镜像或 Ollama 包进行分发，形成跨平台的持久化存储。由于再分发不依赖原始仓库的元数据，传统的下架机制失效，只有社区监测和法律手段能够部分遏制。
对策建议包括：在模型发布时嵌入可验证的指纹、加强模型注册表的审计、以及在量化工具中加入安全标签。只有多方协同才能在开放模型的创新与安全之间取得平衡。
点评