S
SkillNav

Anthropic 发布宪法分类器++：防御越狱攻击更高效

深度Anthropic2026年1月9日5 分钟阅读
Anthropic 发布宪法分类器++：防御越狱攻击更高效
Anthropic 最新发布的宪法分类器++（Constitutional Classifiers++）将越狱攻击成功率从初代的 4.4% 进一步降低，计算开销却从 23.7% 大幅降至约 1%。这套两阶段架构结合了轻量级探针和更强大的分类器，在保持高防御能力的同时，将无害查询的拒绝率降低了 87%。
本文编译自 Next-generation Constitutional Classifiers: More efficient protection against universal jailbreaks，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

决策模型扎堆发布，OpenAI 的 Decisions API 开放公测

OpenAI 的 Decisions API 进入公测并加入图像输入，能在文本或图像上输出谓词、选项、分数三类结构化结果，模型跑在 GPT-6 Luna 上，按每百万输入 token 0.10 美元计费。Perplexity、Cloudflare、Amazon 也在本月发布了各自的开放权重决策模型，可下载自部署。OpenAI 坚持托管 API 的做法，可能成为开发者选型的关键差异。

深度The New Stack·10月7日·4 分钟

Claude Haiku 5.5 发布：价格对齐 GPT-6 Luna，订阅送 API 额度

Haiku 5.5 定价 $0.10/$0.50 每百万 token（10 万 token 内），超过后涨价 5 倍；但新分词器让相同提示词多消耗约 1.25 倍 token，存在隐性涨价。Anthropic 同时将 Sonnet 5.5 的缓存读取价格减半，并为 Max 和 Team 订阅用户提供每月 API 额度。

深度Simon Willison·10月7日·4 分钟

评论