跳到正文
目前篩選:模型
  1. OpenAI News65

    OpenAI 説明對抗性蒸餾防護,並加強 GPT‑6.2 Astra 和 GPT‑6.2 Sol 推理保護

    OpenAI 説明如何偵測和阻止對抗性蒸餾,並在 GPT‑6.2 Astra 和 GPT‑6.2 Sol 加強對受保護推理軌跡的防護。在自適應黑盒紅隊測試中,提取先前請求推理軌跡的攻擊成功率,從 GPT‑6 Astra 原有防護下的 54.0% 降至 GPT‑6.2 Astra 更新防護下的 0.2%;針對當前請求則由 22.9% 降至 0.9%。

    推薦理由:文章並列請求層防護、協同活動調查與自適應紅隊測試,並以攻擊成功率由 54.0% 降至 0.2%,呈現 GPT‑6.2 Astra 對推理提取的防護評估。

  1. DEV Community77

    Gemini 4 Carbon、Gemini 4 Hydrogen 與 Gemini 4 Argon 如何選用(2026)

    這篇 Gemini 4 模型比較建議先從 Hydrogen 開始,只有在它未能通過自訂測試時才考慮改用 Argon 或 Carbon。

    推薦理由:文章並列三款模型的定價、能力定位、限制與工作負載建議,並用月度用量試算成本,呈現選型時價格與任務需求的取捨。

  1. DEV Community80

    Gemini 4 Carbon 逆向解讀:運作方式、規格與安全數據

    Om Shree 根據 Google 公開文件分析 Gemini 4 Carbon,整理其產品定位、API 規格、安全設計及官方披露的基準結果,並區分文件內容與作者推論。

    推薦理由:文章把 Google 文件中的已披露規格與作者推論分開,並對照公開版和網絡安全限定版的差異,呈現 Carbon 能力數據的適用範圍。

  1. DEV Community78

    Gemini 4 Neon 何時比 Carbon 便宜?解析 2026 年 12 月 1 日調價

    Gemini 4 Neon 從 2026 年 12 月 1 日起比 Carbon 每 token 便宜 25%,因 Carbon 輸入/輸出價格升至 $4/$20,Neon 維持 $3/$15。

    推薦理由:文章將 12 月 1 日前後的 Neon 與 Carbon 價格、快取比例門檻和 API 遷移要求放入具體用量情境,方便團隊核算費用並檢查切換設定。

  2. DEV Community79

    GPT-6 Cyber 逆向分析:訓練方式、部署控制與評測結果

    GPT-6 Cyber 是 OpenAI 以 GPT-6 Astra 為基礎、加入額外後訓練的網絡安全專用版本,並透過多層部署控制限制超出授權範圍的行動。在 ExploitGym,GPT-6 Cyber 得分為 48.45%,高於 GPT-6 Astra 的 42.43%;但在 FrontierCyber 完成 90 項挑戰,少於 Astra 的 96 項。

    推薦理由:文章並列漏洞利用基準、越界測試與部署控制數據,呈現 GPT-6 Cyber 在網絡安全能力與遵守授權範圍之間的取捨。

  1. DEV Community79

    Gemini Omni 1.2 Flash 教學:如何免費製作 15 秒 AI 影片

    Gemini Omni 1.2 Flash 可生成及編輯最長 15 秒的影片,Google 帳戶用戶可透過 Google Vids 每月免費製作 3 段 15 秒影片。文章比較 Google Vids、Google Flow、Gemini app 和 Gemini API 的使用條件;Gemini API 的 720p 影片收費為每秒 $0.07,而 Flow 免費帳戶生成影片仍限 10 秒。

    推薦理由:文章比較 Google Vids、Flow、Gemini app 和 Gemini API 的 15 秒影片門檻與費用,並列出 Google Vids 每月 3 段免費額度及 Flow 免費帳戶的 10 秒限制。

  1. DEV Community77

    OpenAI 的 AI 找出 948 個 Linux 本地提權漏洞利用,API 伺服器如何檢查修補狀態?

    OpenAI 的測試流程生成 948 個獨特 Linux 本地權限提升(LPE)漏洞利用,總 API 費用為 1,213,430 美元。這些屬於本地提權漏洞利用,攻擊者須先取得低權限程式執行入口;報告未列出受影響版本,也未報告利用這 948 個漏洞的攻擊。文章建議安裝發行版安全更新並重新啟動主機,同時加強容器隔離和服務帳戶權限管理。

    推薦理由:文章將 OpenAI 的 Linux 本地提權結果放進 API 伺服器防護情境,整理核心更新、重啟、容器隔離與權限收緊的實務方向。

  1. DEV Community77

    GPT-6.1 Terra:$1/$5 定價、電腦操作 API 呼叫、none 推理檔位與 272K 價格門檻

    Yong Yu 整理 GPT-6.1 Terra 的電腦操作 API 用法、推理檔位和 272K tokens 價格門檻,並以離線工具檢查請求格式及估算成本。工具呼叫須經 Responses API,指南採用 `type: "computer"`;`reasoning.effort` 可設為 `none`,省略時預設為 `medium`。

    推薦理由:文章把電腦操作的 API 接法、推理檔位和長上下文價格門檻放進同一工作流,並交代離線估算假設,便於核算自動化任務成本。

  1. Calif:Research(AI 漏洞研究)78

    Claude 為 FreeBSD CVE-2026-4747 編寫可取得 root shell 的遠端核心漏洞利用程式

    Calif 團隊讓 Claude 開發 FreeBSD CVE-2026-4747 遠端核心漏洞利用程式,約 8 小時後取得可開啟 root shell 的版本。Claude 實際工作約 4 小時,並以兩種策略各完成一個漏洞利用程式,兩者均一次成功。文章詳述測試環境、分階段傳送 shellcode、調整偏移量及由核心執行環境轉入用戶空間的處理。

    推薦理由:文章按實測脈絡拆解測試環境、漏洞利用除錯與核心到用戶空間的轉換,並説明分階段傳送 shellcode 如何應對封包容量限制及執行緒耗損。

  1. Google Developers Blog77

    Gemini 4 Argon 一夜間優化 200,000 行 Python 程式碼庫

    Google 團隊讓 Gemini 4 Argon 無人值守運行 11 小時,優化約 205,000 行的 ADK Python 程式碼庫。六項優化提案中有兩項經程式碼審查後合併,令長工作階段的記憶體內準備時間縮短約 40%,套件匯入時間縮短 21%。

    推薦理由:文章拆解 Gemini 4 Argon 11 小時無人值守優化流程,呈現六項提案中兩項經程式碼審查後落地的取捨。

  1. Hugging Face Blog62

    Granite 4.2 大語言模型如何構建

    IBM Granite 團隊詳述 Granite 4.2 推理模型系列的構建流程,涵蓋架構、訓練方法及評測結果。該系列有 3B、8B、30B 三種稠密、僅解碼器模型,均由 Granite-4.1 base models 後訓練;後者以約 15T tokens 預訓練,並透過五階段策略將上下文窗口延至 512K tokens。

    推薦理由:文中並列三種規模共用的訓練主線,以及 8B、30B 額外加入真實環境 Agentic RL 的分支,可據此理解各規模訓練階段和智能體能力培養的差異。

已經到底了