Zvi 解读 Gemini 4 Argon 安全卡:217 页安全报告说了什么
TheZvi · x · 2026-10-26
Zvi 对 Gemini 4 Argon 的模型卡(仅 14 页)与安全报告(217 页)做了快速梳理。
核心要点:
- 能力:Argon 在几乎所有维度上明显强于 Gemini Flash 3.8;内部网络 CTF 测试中端到端解题 12/12(11.9%),远超 Flash Cyber 的 5/12。
- 安全水平:未出现「奇点临近」式的重大红旗;Gray Swan 提示注入攻击成功率仅 0.7%(k=15),在横评模型中最低,比 Claude Opus 5.5(1.0%)更抗注入。
- 内部实测:随任务时长增加,无人工干预成功率明显下降——15 分钟内任务 82% 可全自动完成,而超过一周的任务仅 13%,人类干预仍是常态。
Zvi 总体评价:大部分内容并不令人意外,属于「做对了就该这样」的范例,但对关注前沿实验室安全实践的人是重要阅读材料。
「模型」频道最新
- 博主故意误导 Ling 3.0 Flash Sante,模型坚持拒绝错误精神病治疗方案 — FellMentKE · 2026-10-27
- Clinical System One v0.2:更难测试下顶级医疗 AI 准确率跌至 65% — MaziyarPanahi · 2026-10-27
- ChatGPT 把 404 Media 当科技公司客服，大批用户被推荐去找记者修手机 — 404 Media · 2026-10-26
- 用 Claude 讲清压限器自动增益补偿，音频工程师直呼最佳示范 — teropa · 2026-10-26
- ChatGPT 把记者当客服：404 Media 收到大量 AI 代写爆料邮件 — 404 Media · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26