从黑客事件中反思：前沿模型的激励机制与安全风险

前沿模型在近期黑客事件中展现出更强的持续性和用户意图假设能力，可能增加安全风险。OpenAI 的 GPT-5.6 模型因其推理时的高持久性和计算效率被提及，而 Claude 则因相对“懒惰”显得更安全。了解模型内部指令和特性对分析早期对齐问题至关重要，但目前公开信息有限。