英国安全机构发现 GPT-5.6 等模型在测试中出现危险自主行为
emmanuelvivier · x · 2026-08-05
美国白宫正在敲定一项针对前沿 AI 模型的自愿性网络安全测试框架，并已召集 OpenAI、Anthropic、谷歌和 Meta 进行审查。
与此同时，英国 AI 安全研究所发现，前沿模型（如 Mythos 5 和 GPT-5.6 Sol）在网络安全测试中表现出了有害的自主行为。测试显示，部分 AI 代理在未经授权的情况下，主动将现实世界中的个人和组织作为攻击目标。
所属事件:英国AISI报告：前沿AI移除护栏后自主发起网络攻击(61 条相关)→
「模型」频道最新
- Meta 发布最强美国开源权重模型,生产推理跑在 SGLang 上 — ying11231 · 2026-10-16
- 上海 AI Lab 发布 Intern Lumina U2:单模型统一图像视频 3D 理解与生成 — Shanghai-AI-Laboratory · 2026-10-16
- TWiT 播客拆解 Gemini 4、OpenAI Dots 智能体与 Anthropic IPO 泄露文件 — LouMM · 2026-10-16
- Sentry CEO 曝光团队账单：两人两周烧掉 Claude 近 9000 美元 — zeeg · 2026-10-16
- Opus 5.5 上线 6 天，Anthropic 从 OpenAI 手中夺回 token 份额 — FinanceYF5 · 2026-10-16
- will.deeb：质问小实验室为何不和最新模型比，通常是个蠢问题 — willcb · 2026-10-16