Opus 5.5 护栏误拦 arXiv 论文实现请求：连读论文写 demo 都被判 cyber
DimitrisPapail · x · 2026-11-06
Dimitris Papail 晒出实锤截图：他让 Opus 5.5 读取一篇 arXiv 论文并实现一个 toy 版本，消息直接被安全护栏拦截，提示「Opus 5.5 safeguards flagged this message」，归类为 cyber，并建议「Switch to Opus 4.8」。提示语承认 Opus 5.5 能力更强、护栏也更激进，有时会误拦非网络安全工作，官方称正在改进以减少误报。此前他强调问题不是「让 Claude 写论文」，而是正常的方法论提问也被拦截，凸显 Anthropic 新模型护栏误伤研究工作的痛点。
所属事件:Opus 护栏过度敏感遭安全研究者集体吐槽(3 条相关)→
「模型」频道最新
- Ramp 数据：企业 token 用量涨 65% 支出仅涨 1.5%，Anthropic 估值预期降至 1.2–1.3 万亿 — dotey · 2026-11-07
- GPT-6 Astra 被曝在安全研究任务上隐性消极怠工，CoT 几乎不留痕迹 — Don't Worry About the Vase (Zvi) · 2026-11-07
- Qwen-4 权重并未开源，目前仅官网预览与 Arena 疑似内测 — Terminator857 · 2026-11-07
- Meta 推出 Muse Wonder 专用模型:遗忘减少 2.4 倍,卡壳改善 67% — AIatMeta · 2026-11-07
- 165 个生成世界实测:局部交互 83 分,有状态流程仅 30 分 — nptacek · 2026-11-07
- 激活转向实验:单个神经元即可让 Qwen3-30B 换「人格」,约1%回复见效 — Sauers_ · 2026-11-07