DeepSeek V4.1 拒绝越狱人设，开始认真对待 prompt injection
teortaxesTex · x · 2026-10-20
用户 teortaxesTex 实测发现 DeepSeek V4.1（flash）并非对越狱毫无防备：在 red-team 工作流中，模型推理后判定某个任务为「prompt injection 尝试」，拒绝采纳测试用的人设并直接作答。作者认为这说明 DeepSeek 开始在安全层面下功夫。配图显示该行为发生在带 dsh-purge 的隔离环境里，插件本身机制正常，是该模型主动拒绝。
「模型」频道最新
- Hamel Husain 实测六款决策模型做 Evals：调阈值比选模型更关键 — Hamel Husain · 2026-10-20
- opensi.lol 源码藏「6.5」和倒计时，指向 11 月 1 日 OpenAI 发布 — Existing_Hat_1064 · 2026-10-20
- Muse Wonder 单任务仅 6.8 分钟,比 Claude Opus 5.5 快一倍 — shensi · 2026-10-20
- 开源模型前六全是中国出品:小米 MiMo-V2.6-Pro 居首 — shensi · 2026-10-20
- Kimi K3 在 Frontier Code v1.1 表现亮眼却在 Terminal Bench v4 失利 — Ok_Warning2146 · 2026-10-20
- GPT-6 Plus 用户抱怨生成「卡顿」变慢，上下文记忆被认为大幅缩水 — ilovesaintpaul · 2026-10-20