Muse Spark 1.3 系统卡将 PostTrainBench 列入灾难性风险失控类评测
maksym_andr · x · 2026-10-27
PostTrainBench 作者指出,很多人把 PostTrainBench(PTB)当作纯能力评测,但 Muse Spark 1.3 的系统卡把它正确归入「Loss of Control」关键灾难性风险评测部分——这与作者最初创建 PTB 的动机一致。
配图为 Muse Spark 1.3 灾难性风险能力记分卡,涵盖化学/生物风险、网络安全、失控三大类,对比 Muse Spark 1.1、GPT-5.6 Sol、Claude Opus 5、Kimi K3 等模型。其中 PostTrainBench 得分:Muse Spark 1.3 为 43.6,对比 Claude Opus 5 的 53.2、GPT-5.6 Sol 的 43.8、Kimi K3 的 49.8。系统卡还注明因拒绝率过高干扰测量,不报告 Claude Opus 5 的化生能力评测结果。
「模型」频道最新
- 实测：GPT-6.1 Terra 填表 53.5 秒，比 Sol 快近 4 倍 — sandersted · 2026-10-27
- DeepMind 员工回应中提及「Gemini 4 模型」，或为首次公开露面 — vivnat · 2026-10-27
- OpenAI 数学仓库再上新：新论文称反驳指数时间假设 ETH — danintheory · 2026-10-27
- OpenAI 模型给出 QCD 存在性证明并经 Lean 形式化验证 — danintheory · 2026-10-27
- 用户被封禁后续：绕过 AI agent 安全过滤器成逆向工程隐性门槛 — FlolightC · 2026-10-27
- GPT-6.1 Terra 全量上线 GitHub Copilot：终端任务更强且更便宜 — 0xkarasy · 2026-10-27