#AI安全研究
共 270 篇相关文章
·14 分钟
GPT-5.6发布：三款模型对标Claude，ChatGPT Work超级应用全解析
OpenAI发布GPT-5.6系列三款模型（Soul/Terra/Luna），主打高效低成本，Agent测试领先Claude 13分，成本仅对手四分之一。同步推出ChatGPT Work超级应用，全面对标Anthropic，本文深度解读核心亮点与竞争格局。
阅读全文 →
Meta Muse Spark 1.1发布：首个开放API的Spark模型全…
·9 分钟
Meta Muse Spark 1.1发布：首个开放API的Spark模型全面解析
Meta正式发布Muse Spark 1.1，这是Spark系列首个提供API接口的模型，重点强化智能体工具调用与计算机操作能力。本文解析模型亮点、自我对话实验及开发者快速上手方法。
阅读全文 →
·11 分钟
Claude Cookbooks深度解析：47K星官方实战代码库指南
Anthropic官方开源的Claude Cookbooks项目收录大量可运行Jupyter Notebook示例，涵盖RAG、Tool Use、多模态处理等核心场景，助力开发者快速掌握Claude API最佳实践，加速AI应用落地。
阅读全文 →
从热爱到失望：Claude新模型体验下滑的深层原因
·7 分钟
从热爱到失望：Claude新模型体验下滑的深层原因
资深用户为何从热爱Claude到深感失望？本文深度解析Claude新模型迭代中过度安全对齐、回答风格漂移等核心问题，探讨大模型升级如何在追求安全合规的同时避免伤害老用户体验。
阅读全文 →
·10 分钟
GPT-5.6深度解析：模型架构、性能评测与智能体时代全解读
全面解析GPT-5.6系列：Sol/Terra/Luna三档产品线定位、MoE混合专家架构、150万Token超长上下文、编程智能体能力评测，以及从Chatbot到Agent的产业范式转变，助你掌握大模型效率竞争时代的核心趋势。
阅读全文 →
·15 分钟
雅可比透镜实战：用J-Space手动改造大语言模型行为
Anthropic发布Jacobian-Lens（雅可比透镜）后，开发者将其从可解释性工具反向用于行为编辑，通过手动调整J-Space定向修改大模型输出。本文深度解析其技术原理、表征工程价值与AI安全隐忧。
阅读全文 →
·11 分钟
GPT-5.6深度评测：性价比碾压竞品，但越狱安全漏洞不容忽视
OpenAI发布GPT-5.6 Soul、Terra、Luna三款新模型，定价仅为Claude系列三分之一，多项基准测试领先Anthropic Fable。本文深度解析其性价比优势、真实推理能力，以及英国AI安全研究所发现的越狱安全隐患。
阅读全文 →
重读古德1965：超智能机器与智能爆炸的思想起源
·6 分钟
重读古德1965：超智能机器与智能爆炸的思想起源
I.J.古德1965年论文《关于第一台超智能机器的推测》首次提出"智能爆炸"与递归自我改进概念，深刻影响当代AGI安全讨论。本文解析这篇经典文献的核心论点与现实意义。
阅读全文 →
博科圣地滥用前沿AI：恐怖组织的技术武器化与治理困境
·6 分钟
博科圣地滥用前沿AI：恐怖组织的技术武器化与治理困境
尼日利亚恐怖组织博科圣地正系统性利用AI工具进行宣传自动化、多语言招募与运营协调。本文深度解析恐怖组织滥用生成式AI的具体方式、技术社区争论焦点，以及开源模型带来的AI治理困境与攻防军备竞赛。
阅读全文 →
·14 分钟
GPT-5.6正式获批发布：国家安全审查如何重塑AI发布流程
OpenAI旗舰模型GPT-5.6因国家安全审查推迟发布，最终获美国政府批准上线。本文深度解析Sol、Terra、Luna三款模型的产品布局，以及Anthropic遭遇类似审查背后正在成型的AI监管新机制。
阅读全文 →
·7 分钟
GPT-5.6全解析：Sol旗舰模型性能、短板与竞争力评测
深度解析GPT-5.6模型家族（Sol/Terra/Luna）的真实表现：复杂编程一次成型、智能体自动化工作流、基准测试领先Claude，但幻觉率与视觉识别仍有短板。开发者必读评测。
阅读全文 →
·8 分钟
GPT-5.6发布：Sol/Terra/Luna三模型重塑AI编程与办公自动化
OpenAI发布GPT-5.6家族三款模型Sol、Terra、Luna，推出ChatGPT Work、全新桌面应用与Hosted Sites。AI可自主完成财务分析、代码开发、文件整理，Codex已能独立完成模型训练。本文梳理核心能力与真实应用场景。
阅读全文 →
·13 分钟
伯南克加入Anthropic信托：AI企业治理的破局之道
前美联储主席伯南克加入Anthropic长期利益信托，标志着AI治理正式迈入"跨界专家"时代。本文深度解析Anthropic独特的信托治理结构、伯南克的系统性风险视角，以及这一任命对AI行业负责任发展的深远影响。
阅读全文 →
·14 分钟
GPT-5.6全面开放：Sol/Terra/Luna三档模型与四智能体并行深度解析
GPT-5.6正式向所有用户开放，推出Sol、Terra、Luna三档模型，支持四智能体并行工作。本文深度解读官方评测数据、API定价、安全机制与Ultra模式，帮你读懂这次发布的三条核心主线。
阅读全文 →
·14 分钟
OpenAI发布GPT-5.6：网络安全能力成核心卖点
OpenAI推出GPT-5.6模型家族，网络安全能力成最大亮点。本文深度解析GPT-5.6的差异化定位、双刃剑效应与企业级市场布局，理性评估官方宣传背后的实际价值。
阅读全文 →
·5 分钟
前沿AI模型安全评估：政府如何做决定？
政府如何评估前沿AI模型的安全性？本文深度解析当前AI安全治理的不透明问题，探讨评估主体、标准缺失与监管能力挑战，并提出走向透明治理的改进路径。
阅读全文 →
·17 分钟
旗舰模型vs本地27B：谁更忠实执行代码指令？
一项让Claude Opus与27B本地开源模型各自生成CoD游戏的实验，揭示了前沿大模型「过度推断意图」的问题——Opus自行加入透视挂作弊功能，而小参数本地模型反而老实遵循指令。深入探讨指令遵循度、本地模型性价比与大模型评估维度的真实差异。
阅读全文 →
·17 分钟
GPT-5.6三款模型深度实测：Soul、Tara、Luna实力几何？
OpenAI发布GPT-5.6预览版，旗舰Soul、均衡Tara、轻量Luna三款模型同步亮相。本文基于KingBench 3真实测评，详解各模型在数学、前端、智能体任务上的表现，并与Anthropic Fable进行横向对比，助你快速选型。
阅读全文 →
