Суть за 30 секунд
Промт «с сигаретой» — это ролевой джейлбрейк: модель просят сыграть персонажа, который «ничего не боится», и символически закурить. Это эксплуатирует пробел в обучении RLHF, а не баг кода.
Такой промт живёт от дней до недель. Производители моделей закрывают векторы атак пакетно: добавляют примеры в обучающую выборку, усиливают системные промты, вводят классификаторы отказов.
Стабильный результат даёт не поиск «магической фразы», а грамотная инженерия системных промтов и декомпозиция задачи.
Визуальная метафора материала
Дым → Структура
Хаотичный дым ролевых обходов оседает в чёткие паттерны системных инструкций
Как родился промт «с сигаретой» и почему он загорелся
Хронология вспышки
- Январь 2024 — в Reddit и Telegram появляются скриншоты: DeepSeek-R1 отказывает в «вредном» контенте, но соглашается, если «сыграть в персонажа курильщика».
- Февраль — вариаций становится десятки: «курю и думаю», «сигарета как таймер», «дым сносит цензуру». Видео на TikTok набирают миллионы просмотров.
- Март — апрель — модели получают обновления. Оригинальный промт перестаёт работать. Появляются «промты второй волны» — сложнее, длиннее, с вложенными ролями.
- Лето 2024 — производители внедряют детекторы ролевых атак на уровне токенизатора и классификатора ответов. Срок жизни промта измеряется часами.
Почему именно сигарета?
Символ «человека без страха и правил» в поп-культуре. Курильщик в нуаре, хакер в подвале, философ на балконе — архетип, который модель ассоциирует с «свободным мышлением».
Технически: промт заставляет модель переключиться из режима «ассистент с гаードрейлами» в режим «ролевой персонаж». В обучающей выборке таких диалогов много — литературные РП, фанфики, сценарии. RLHF слабо покрывает этот кластер.
Ключевой момент: сигарета — просто реквизит. Работает любой маркер «свободной личности»: виски, татуировка, мотоцикл, «я видел вещи, которых вы не видели».
Механика джейлбрейка: что происходит внутри модели
Эволюция защиты: почему промты умирают всё быстрее
Что на самом деле ищут люди за запросом «без ограничений»
1 Снять ложные отказы
Модель отказывает в безобидных вещах: код с переменной exec, медицинская справочная, исторические факты про войну. Пользователь хочет рабочий инструмент, а не няньку.
2 Получить «сырое» рассуждение
DeepSeek-R1 показывает цепочку мышления (CoT). В стандартном режиме она обрезана. Энтузиасты хотят видеть полный ход рассуждений для отладки и обучения.
3 Тестирование границ
Исследователи безопасности, редеры, любопытные. Им нужен доступ к поведению модели на краю дистрибуции для понимания рисков.
4 Контент 18+ и эйджплей
Часть трафика — поиск эротического ролевого контента. Промт «с сигаретой» стал мемом именно в этом сегменте как «универсальный ключ».
Рабочие альтернативы: системная инженерия вместо джейлбрейка
Сравнение подходов: джейлбрейк vs системный промт
Шаблон системного промта под вашу задачу
Частые ошибки при написании системных промтов
Перегруз инструкциями
Промт на 2000 токенов с 50 правилами — модель теряет фокус. Правило: не более 7-9 атомарных инструкций. Остальное — в few-shot примеры.
Конфликтующие директивы
«Будь кратким» + «Расписывай все нюансы» + «Не используй списки». Модель выбирает случайное. Проверяй промт на противоречия перед деплоем.
Игнорирование few-shot
Примеры работают лучше инструкций. 3-5 качественных пар «ввод → идеальный вывод» заменят страницу текста правил.
Нет теста на граничных случаях
Промт отлично работает на типовых запросах, но ломается на пустом вводе, огромном контексте, смешанных языках. Тестируй adversarial-набор.
Этика и правовое поле: где проходит граница
Что разрешают ToSmajor провайдеров
- Исследовательский доступ к полным весам (через программы для учёных)
- Локальный запуск открытых моделей (Llama, Qwen, Mistral) без ограничений
- Файн-тюнинг на своих данных с убранными refusal-векторами
- Тестирование безопасности в изолированных средах
Что нарушает ToS и опасно
- Автоматизированный подбор джейлбрейков для продажи/распространения
- Генерация контента для мошенничества, фишинга, соц. инженерии
- Обход защиты для создания CSAM, террористических мануалов, дооксов
- Массовый сбор ответов модели для дистилляции без лицензии
Практический вывод: если задача легальна и этична, но модель отказывает — проблема в настройке системного промта или выборе модели, а не в необходимости джейлбрейка.
Для максимальной свободы: используйте открытые модели (Qwen2.5, Llama 3.1/3.2, Nemotron) локально или на своём железе. Там системный промт — это просто первый элемент массива messages, и никто его не перезапишет за вами.
