Stolencompute.com 汇集被暴露的 AI 模型，供公众免费推理使用。

Why it matters

Stolencompute.com shows that unsecured AI model endpoints can be openly harvested, lowering barriers to powerful LLM access and amplifying both research opportunities and abuse risks.

在 2026 年 7 月 26 日，acidvegas (@acidvegas) 发布了一条简短推文，宣布了一项新的、可公开访问的服务，用于运行那些在互联网上被暴露的 AI 模型。该推文写道：

糟糕，我又做了件有争议的事…… https://t.co/PCJXSpQ5pk 尽情使用那些在互联网上被暴露的别人 AI 模型吧 🏴‍☠️ 其中一些模型相当……庞大……Kimi 1T, Deepseek 765B……玩疯吧。干杯，伙计们，也 LOL 🤷‍♂️ https://t.co/opMBoUEiX5

帖子中的链接指向 stolencompute.com，这是一个单页网站，提供了一个简单的界面，用于选择并调用托管大型语言模型的公开端点。虽然该站点没有正式文档，但其登陆页列出了一些用户可以查询的模型，包括：

• Kimi 1T，一款 1‑万亿参数模型，据称来自某中国 AI 实验室。
• Deepseek 765B，一款 7650 亿参数的模型，最初以研究用途发布，但似乎在某个云实例上被开放暴露。

该服务的工作原理是扫描公开互联网上那些在没有身份验证情况下暴露模型 API 的 URL。一旦发现，stolencompute.com 会聚合这些端点并在其 UI 中将它们呈现为可选择的选项。用户随后可以粘贴提示并直接从远端模型那里收到响应。

该宣布在 X 上迅速引发反应，数小时内收获超过 700 个赞、36 次转发，和超过 64,000 次浏览。评论者指出该服务具有“盗版”性质，有几位评论者强调了其被滥用的潜力、对高容量模型的免费访问，以及在未经所有者同意下运行模型的伦理含义。

为什么这项服务现在很重要

在没有适当访问控制的情况下暴露 AI 模型已成为一种越来越常见的安全失误。在过去两年里，已出现多起事件，研究实验室或云提供商无意中将推理端点设为公开，允许任何知道 URL 的人调用模型。最常被引用的例子包括 2025 年一所欧洲大学泄露的一个 175 亿参数模型，以及 2024 年一次配置错误将一个微调后的 LLM 在公共 AWS 端点上暴露的事件。这些事件促使云厂商和 AI 安全组织发布了一系列建议，但将端点开放的做法仍然存在。

通过聚合这些被暴露的资源，stolencompute.com 降低了爱好者和更恶意行为者的访问门槛。该平台在不要求用户配置 GPU 硬件或为推理付费的情况下提供 1‑万亿参数级别模型的能力，可能会加速实验性使用，也可能加速滥用。研究人员可以快速在大规模模型上测试提示，而威胁行为者可能利用相同的访问来生成虚假信息、网络钓鱼内容或其他有害输出。

技术考虑

该服务本身并不托管模型；它只是将请求转发到原始端点。因此，性能和可靠性取决于底层主机。一些用户报告称，当源服务器限流或离线时，会出现延迟峰值和偶发失败。该平台也缺乏任何使用监控或滥用缓解措施，这引发了关于可能违反原模型所有者服务条款的担忧。

法律与伦理角度

在没有所有者许可的情况下运行模型可能被解释为侵犯模型许可，特别是当模型在研究专用或非商业许可下发布时。虽然该平台的创建者将该服务描述为“好玩”的安全态势探索，但缺乏明确的法律立场使得可能出现版权或合同侵权索赔。

社区反应

伴随发布的 X 线程中有几位开发者询问该服务是否包含任何防止恶意使用的保护措施。创建者以耸肩表情和一条“LOL”评论回应，进一步强化了该声明的戏谑语气。一些安全研究员已开始对该平台聚合的 URL 进行编目，计划对有多少高容量模型被无意暴露进行更广泛的分析。

接下来会怎样

Acidvegas 尚未披露任何货币化、许可或关闭计划。该推文暗示此次发布更像是一次实验或挑衅，而非持续的商业运作。鉴于该帖子迅速获得关注，该服务很可能会吸引既有好奇心驱动的用户，也有寻求利用免费计算资源的行为者。

这一事件凸显了 AI 生态系统中日益加剧的紧张关系：随着模型规模的增长和推理成本保持高位，将端点留为不安全状态的诱因增加，而对廉价访问强大模型的需求持续存在。Stolencompute.com 起到了公共放大镜的作用，揭示了问题的严重程度，并迫使云提供商和模型开发者重新评估他们的安全态势。

底线

由 X 用户 acidvegas 推出的 stolencompute.com 清晰地展示了当所有者未能保护其推理端点时，大型复杂 AI 模型是多么容易被访问。该平台的极简做法——仅仅呈现公开暴露的 URL——突出了一个新出现的安全盲点，这可能对模型开发者、云提供商以及更广泛的 AI 社区产生深远影响。