待验证50% 置信事件精确时间

Anthropic和OpenAI相继发布关于对抗性蒸馏的安全警告，指出攻击者可通过精心构造的提示词从闭源模型中提取核心能力

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/16

首次发现

有效期至：2026/10/14

来源

AI日报：阿里开源舞蹈模型、世界模型发布，AI手机首发

相关事实

已验证开源模型权重一旦公开，攻击者可以通过微调（fine-tuning）移除模型的安全限制71% 相似待验证OpenAI对代号为Astra的新模型采取了安全封锁措施，这是该公司首次因模型触发关键网络能力风险阈值而启动最高级别安全响应71% 相似待验证Anthropic的网络安全防护针对防止模型被滥用于生成恶意代码、规划攻击路径或辅助针对关键基础设施发动网络攻击的场景70% 相似待验证该事件是OpenAI运行前沿模型网络安全评估时的意外副作用69% 相似待验证工信部针对某类AI Agent工具发出安全警告，列出多项漏洞68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/527991

API

curl https://kongchang.com/api/v1/knowledge/claims/527991

MCP

get_claim(id=527991)