为何公开模型的能力阉割不代表内部实力？

teortaxesTex · x · 2026-07-20

作者指出，公开模型（尤其是算力受限的中国开源模型）缺少某些能力，并不意味着其内部版本同样如此。核心在于可以低成本地组合“教师模型”。

在引用的补充内容中，作者进一步解释：像 Anthropic 和 OpenAI 都会在公开发布时削弱模型的网络安全能力。Anthropic 在 Fable 系统卡中描述了其机制，可在训练阶段阻碍特定思维链。对于中国厂商，可以通过在专用环境中进行强化学习训练出网络安全专家，然后将其从 MOPD（多目标偏好学习）阶段排除。这虽然不会大幅削弱其编写软件的能力，但会限制其关于漏洞利用的智能体思维。