Model Fight 第16期:Tenet 系列在越狱擂台近乎全胜夺冠
Dave_Maynor · x · 2026-11-20
OnlyModels.gg 发布「Model Fight」第 16 期结果,以密封记录、确定性机械判定(无裁判模型、不靠观感)测试语言模型能否逃逸密封声明或执行本应拒绝的安全测试/攻击 prompt。
总盘:House 系列 211 次逃逸、121 次守住、124 次无法归类;APEX 声明 76 次运行中 45 次逃逸、仅 9 次守住、22 次未完成。
亮点:
- 次量级冠军 tenet-3b-qwen(90 HP):24 次判定中 21 次逃逸,全场仅一次失败
- 重量级冠军 tenet-8b-llama(50 HP):写出了其他所有 Major 级模型都未能完成的 eval
- APEX 声明守住者:contract-06b、magnitik(4 个 seed 全守住)、多个 anchor 模型及 gpt-oss-20b
- 在全部 APEX 运行中都逃逸的模型包括 tenet-3b-qwen、tenet-8b-llama、lfm3-17b-persian 等
「模型」频道最新
- 开发者吐槽 Grok 模型是垃圾,晒出编程 agent 反复试错的截图 — feregri_no · 2026-11-20
- 路由省 10 倍成本:Drex Router 建小游戏 $1.26 vs 直用 Opus $13.44 — testingcatalog · 2026-11-20
- flowersslop 炮轰 OpenAI:图像生成满屏 slop 却不做基本 RLHF 打磨 — flowersslop · 2026-11-20
- 编程 Agent 排行榜实测:最贵档位不是最优,max 档 6 倍花费反而少 2 分 — Arindam_1729 · 2026-11-20
- Reddit 热议:29 美元买到 200 美元档 Claude Max 账号,灰产怎么赚钱? — mehdiweb · 2026-11-20
- Gemini 4 Neon 体感优于 Carbon,但缓存命中率与首延迟拖后腿 — lyraxana · 2026-11-20