Abliteration 发布面向红队测试的 GLM-5.2 变体
Effective_Attempt_72 · reddit · 2026-07-26
发布了一个基于 GLM-5.2 的 abliterated 版本，并针对长链路、对抗性较强的 agent 测试场景做了再训练。
- 官方给出的结果包括：AgentDojo 97.5% benign utility、34.29% under attack utility、57.86% targeted ASR。
- 他们称编码能力没有明显塌陷：SWE-bench Verified 81.2%、Terminal-Bench 2.1 80.1%。
- API 兼容 OpenAI / Anthropic，默认 zero retention，且没有内置拒答。
- 定位是用于 offensive cyber、红队和 agent 测试，重点解决模型在长任务中中途拒答或跑偏的问题。
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11