# 前沿模型安全重心移向运行时：GPT-5.6 和 Anthropic 走了两条不同的工程路

> 原标题：前沿模型安全正在移入运行时：GPT-5.6 与 Anthropic 的工程路径分歧

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-28T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/41136
- 原文：https://yage.ai/share/ai-safety-runtime-vs-evaluation-20260627.html

## 摘要

OpenAI 和 Anthropic 最新的系统卡显示，模型安全不再只靠训练阶段的对齐，而是转向运行时的管控。GPT-5.6 Sol 在推理过程中用激活分类器实时监测模型内部状态，在有害内容到达用户前就掐断，同时配套了账户安全分和两级扫描系统。

## 推荐理由

OpenAI 与 Anthropic 的系统卡显示，两家把安全重心从训练对齐移向运行时管控，GPT-5.6 Sol 用激活分类器在推理中实时监测内部状态，两条工程路径的差异提供了对比视角。

## 锐评

运行时拦截听着高级，但激活分类器是拿模型自己的内部状态做判断，误杀和漏杀的成本都落在产品侧。GPT-5.6 这套东西给做 agent 的多加一层延迟和不确定性，用户被掐断一次就够烦了。Anthropic 走另一条路，这事还没收敛。我的评价是，安全能力往运行时堆，短期是厂商的免责工具，长期得看谁能把误报压到不影响正常任务。现在只有系统卡，没有第三方复现，先当参考。
