待验证50% 置信观点精确时间
Sonnet 5 刻意未针对网络安全任务进行强化训练，目的是保持 ASL-2 评级以绕过监管审查快速发布
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/20
首次发现
有效期至：2026/10/18
来源
相关事实
待验证Anthropic 为 Sonnet 5 默认启用了网络安全防护措施（cyber safeguards）68% 相似待验证安全分类器对请求措辞高度敏感，直接让模型去找漏洞容易被拦截路由到Opus 4.8，用中性描述往往不会触发限制55% 相似待验证H5ST（H5 Security Token）是京东自研的前端安全签名机制，属于Web端反爬虫体系的核心组件53% 相似待验证Hermes设计了五层安全保护机制，包括测试套件全通过、提示词大小限制、缓存机制保护、核心意图锁定和人类审查关卡53% 相似待验证2024年安全研究者发现的ASCII走私技术利用Unicode中人眼不可见但AI可解读的特殊字符隐藏恶意指令，该技术已在Microsoft Copilot等产品中被验证有效53% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/571458API
curl https://kongchang.com/api/v1/knowledge/claims/571458MCP
get_claim(id=571458)