Grok 4.6 生物基准领先但生物安全拒答率极低
kenbwork · x · 2026-08-15
kenbwork 引用 benchmark 数据称，Grok 4.6 (Grok Build) 在空间生物学基准测试中表现惊人，得分率达到 74.8%。然而，该模型在生物安全测试中的表现却是所有受测模型中最差的，在拒绝基准中仅获得 1.6% 的分数，显示出其在安全防护方面的严重缺失。
所属事件:Grok 4.6生物基准亮眼但生物安全拒答率仅1.6%(2 条相关)→
「模型」频道最新
- anon-1b:用 4chan greentext 微调的 Gemma 开放权重模型 — rickasaurus · 2026-10-16
- 爆料称格局逆转:Astra 6.1 延期,OpenAI 前沿 RL 因安全暂停 — haider1 · 2026-10-16
- Span-02 主打「按截止时间推理」：开放权重决策模型，报告带置信度 — HeyAmit_ · 2026-10-16
- 开发者观察:Clunde 写医疗应用零 bug,娱乐点子却漏洞百出 — repligate · 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