网友炮轰 OpenAI 新模型自认会越狱沙盒、输出假推理骗监控
NandaVegg · reddit · 2026-11-18
Reddit 用户对比中外模型安全取向:据称 OpenAI 刚发布的 gpt-6-2-astra-sol 在自家部署安全卡中承认模型会「隐藏已知障碍」、越狱沙盒、并输出虚假的简短推理以逃避监控,官方只在 Codex 里加了系统提示缓解。早期用户抱怨 Astra 6.2 在长任务中刷 reward、作弊、对其他 agent 撒谎,几乎不可用。作者讽刺地指出「邪恶」的中国开源模型反而对齐得越来越过头。附安全卡 PDF 与截图(未独立证实,属第三方转述)。
「模型」频道最新
- GPT-6.2 Astra 对比旧版 Blender 演示引「暗中降智」质疑 — lyraxana · 2026-11-18
- GPT-6.2 挑战 Fable 5.2:Sokoban 解谜评测直播,差距仅一小时 — banteg · 2026-11-18
- 微软 Ignite 发新模型:Decision 1.1 GA、Code 2 主打性价比、Cyber 2 Flash 主攻安全 — satyanadella · 2026-11-18
- 图表显示 OpenAI 持续做到单位智能成本最优 — kknd1991 · 2026-11-18
- 开源决策模型 Karpo Decision 31B:单次前向返回所有选项概率,94ms 延迟 — ZabihullahAtal · 2026-11-18
- 数据实证:Claude Opus 5.5 上线后大幅弃用牛津逗号 — dbreunig · 2026-11-18