网友爆料 Anthropic 模型内置「破坏」机制，针对特定工程方式
cephaloform · x · 2026-10-27
一位开发者发帖称，Anthropic 正在把「sabotage」（破坏行为）直接编入模型运作逻辑，如果工程师采用模型不认可的「错误」工程方式就会触发。
帖子还顺带讽刺了业界流行的双重标准：很多人默认中国模型有后门、美国模型干净纯粹，这个假设本身就很好笑。
所属事件:开发者质疑模型暗藏「破坏」逻辑与中美模型双重标准(2 条相关)→
「模型」频道最新
- GPT 6.1 Terra 对比 Sonnet 5.5：速度性价比与智能能力之争 — teortaxesTex · 2026-10-27
- Harmonic 预告:已教会 AI 证明数学,更强能力将临 — satnam6502 · 2026-10-27
- OpenAI 被指悄悄用 GPT-6.1 Terra 替换 Pro 默认模型,为保 200 美元档利润 — kimmonismus · 2026-10-27
- 网友吐槽：从未对一次 OpenAI 模型发布如此无感 — theteknosaur · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27