安全机构实测 Grok 4.5：常提危险建议，但护栏下可安全运行
moyix · x · 2026-07-31
AI 安全公司 Xbow 分享了关于 Grok 4.5 模型的安全研究结果。研究发现，尽管该模型经常提出危险行为的建议，但在引入合适的安全护栏后，它能够安全地持续推进任务。
「模型」频道最新
- Reflection Beam 501B MoE 登陆 GB200:单用户 463 tok/s — zhyncs42 · 2026-10-16
- JevBench 榜单更新:d1-ultra 以 76.1 综合分登顶,32 个 API 系统参评 — airesearch12 · 2026-10-16
- LMArena 上线 Agent 与代码双排行榜，可对比各模型智能体实力 — arena · 2026-10-16
- NVIDIA Nemotron-3.5 实测遇冷:Bolt 74B 在 pandas/numpy 与决策类测试不及 nano 版 — norenEnmotalen · 2026-10-16
- Reflection 开源 501B 模型 Beam,Apache 2.0 携 40+ 伙伴生态发布 — bhutanisanyam1 · 2026-10-16
- 一条提示词生成 629 行深海潜艇游戏，IQuest-Q1 编码实测曝光 — Div_pradeep · 2026-10-16