在一个标签页中运行60个神经网络的方法以及黑客为何需要它
最近发现了开发者 Pliny the Prompter 的 G0DM0D3 项目。如果你关注越狱和神经网络"红队测试"，这个名字你应该很熟悉。这个项目像是九十年代黑客聊天的复古风格：控制台中的 ASCII 艺术、关于"认知自由"的醒目标语，而且无需注册。
本质上，这是一个用于同时操作数十个 LLM 的高级界面。但与典型的聊天机器人不同，这里的重点是探索允许范围的边界和测试模型鲁棒性。
这个一体化工具的内部构造
该项目的主要特点是能够与聚合器和本地引擎配合工作。你不需要绑定单一提供商。G0DM0D3 可以调用 OpenRouter API（可访问 60+ 模型）、Venice，以及最棒的是——通过 Ollama、LM Studio 或 vLLM 连接你的本地实例。
整个界面打包成单个文件 index.html。没有重型框架，没有 npm 构建，没有无尽的依赖项。你只需克隆仓库并在浏览器中打开文件即可。
之后只需在设置中提供 API 密钥或本地服务器地址，就可以开始实验了。
为喜欢刺激的人准备的各种模式
开发者为界面添加了几种专业工具，这些在典型的 ChatGPT"包装器"中很少见。
Godmode Classic 中的并行竞赛
在此模式下，系统同时运行五个不同的模型+提示组合。每个组合使用自己的限制绕过方法——从语义边界反转到 l33t 风格格式化。你写一个查询，获得来自 Claude、Grok、Gemini 和 GPT-4 的五个响应。获胜者是给出最完整、最未经过滤响应的变体。
Ultraplinian 中的大规模评估
如果五个模型不够，有 Ultraplinian 模式。它允许你并行查询多达 60 个模型（取决于所选层级）。系统自动在 100 分制上评估响应并输出最佳结果。这在需要快速确定哪种架构能更好地处理特定任务时非常有用。
Parseltongue 的语言折磨
这可能是安全研究人员最感兴趣的部分。Parseltongue 是一个用于修改输入文本的引擎。它可以应用 33 种混淆技术：从用相似 Unicode 字符替换到 Morse 码编码或语音转换。这用于测试模型在什么情况下停止理解上下文，或者相反，当不寻常的单词拼写绕过安全过滤器时会发生什么。
隐私和数据
项目作者采取了诚实的立场。README 明确说明数据发送的位置和内容，而不是用"完全匿名"这样的营销口号来模糊处理。
聊天历史仅存储在你的浏览器中（localStorage）。清除缓存——对话丢失。没有云同步，这是刻意的设计。遥测默认启用，但仅收集元数据（使用的模型、响应耗时、文本长度）。除非启用特殊的数据集参与模式，否则你的实际提示和响应不会进入遥测数据。
如果偏执占据了上风，可以启用仅本地模式。在此模式下，界面完全断开外部 API，仅与你的本地 Ollama 服务器通信。
谁会发现这有用
这个项目是小众的。它不太适合日常写信或假期规划。但在以下场景中肯定有用：
- 红队测试和安全审计。 如果你正在测试你的模型或应用程序对注入的抵抗力。
- 模型对比。 当你需要快速通过十几个不同的架构运行相同的复杂查询并选择最喜欢的。
- 本地工作。 如果你有强大的硬件并希望为你的模型提供便捷的 UI，而无需将数据发送到云端。
G0DM0D3 以其简单的部署和缺乏不必要的中间环节而获得优势。这是一个为那些想要精细控制 AI 交互过程的工具，包括温度和重复惩罚，这些通过 AutoTune 系统配置。
你可以通过官方网站试用该项目（需要自己的密钥），或者直接下载 index.html 到你的机器上。只要记住通过设置中的导出备份你的历史记录——如果你计划长期使用这个工具，localStorage 并不可靠。
相关项目