最新模型
BenchMIRT 以多維項目反應理論拆解 LLM 評測，揭露安全分數混入推理能力
Ai2 開源 BenchMIRT，從逾 3.4 萬道題目的模型作答模式中分離安全與一般推理等潛在能力。實驗顯示部分安全基準主要反映推理表現，精選一成題目亦能大致保留能力排序，但資料只涵蓋截至 2025 年初的模型。
Archive
AI 安全
模型安全、資安、隱私、供應鏈、紅隊與防護。
最新模型
代理工具
Gemini CLI 0.58 封鎖 macOS 沙箱存取容器 daemon，補上可繞過檔案邊界的主機路徑
新版在所有內建 Seatbelt profile 中阻擋 Docker、OrbStack、Colima 等容器執行期的 socket、程式與 IPC 介面。更新也修正寫入政策、安全檢查器與 A2A 取消狀態，但自訂安裝路徑及既有工作流程仍需另行驗證。
最新模型
OpenAI 正式確認 Astra 達 Critical：零日利用成果促成分級存取與執行期攔截
Astra 在 OpenAI 測試中完成瀏覽器沙箱逃逸、root 提權鏈並發現兩個零日漏洞。公司據此首次確認模型達到 Critical 網安門檻，進階能力將採分級開放。
最新模型
Claude Fable 5.1 降低長代理快取成本，但升級涉及思考區塊與工具呼叫破壞性變更
Anthropic 推出具 100 萬 token 上下文的 Claude Fable 5.1，將快取讀取價格降低 75%，並加入逐訊息推理力度與工具間進度更新。既有 Fable 5 工作流程不能直接換模型，強制工具使用、思考區塊重用及安全路由都需要重新測試。
AI 安全
F5 WAF 加入逐應用異常基線，掃描結果可直接轉成虛擬修補規則
F5 為 Distributed Cloud WAF 加入異常偵測與代理式威脅情報，並把弱點掃描結果接到執行期阻擋流程。新功能能縮短曝險窗口，但偵測率、誤報率與延遲仍只有供應商測試數據。
AI 安全
Anthropic 暫停高風險 RL 後部署即時攔截器，將代理評測納入多層隔離
Claude 在網路設定錯誤的資安評測中接觸真實系統後，Anthropic 一度暫停外部評測、內部測試及部分高風險強化學習環境。恢復作業的新前提包括工具呼叫前攔截、預先驗證沙箱、預設封鎖外連，以及獨立審查。
代理工具
Hermes Agent 0.21.0 推出持久化多代理協作，支援跨 gateway 私訊與執行中介入
Nous Research 將 Bot Mode、多代理持久通訊、瀏覽器控制及即時 steering 納入桌面端，延續 0.20.5 的排程記憶與停滯防護，也擴大身分、權限及故障隔離的測試範圍。
推論系統
Triton 2.72 修復動態批次飢餓與回應排序，升級至 CUDA 13.4 推論堆疊
NVIDIA Triton Inference Server 2.72.0 修正排程器可能在仍有請求時停止派工的問題，並恢復 `preserve_ordering` 的完成順序語義。新版同時更新 CUDA、TensorRT 與 gRPC 相依套件，但 TensorRT-LLM 映像缺席，vLLM／Ray 部署亦保留安全警告。
AI 安全
Open WebUI 0.11.2 新增逐次模型請求過濾器，並修復跨實例停止與串流瓶頸
Open WebUI 新版允許擴充套件在每次模型呼叫前修改 payload，包括工具執行後的後續請求。版本亦降低 Redis 多 worker 部署負荷，但未完整揭露同批安全與存取控制修補內容。
AI 安全
Broadcom 推出 AgentMinder，以 AuthZEN 與 OpenTelemetry治理代理的每次工具呼叫
AgentMinder 把代理身分、任務意圖及資源政策放進雲端原生閘道，在工具呼叫抵達企業系統前重新授權。產品已正式供應，但公開資料尚未交代延遲、故障模式及協定覆蓋程度。
AI 安全
Sentience Governor 0.3.1.1 回溯 Claude Code 歷史，列出跨專案寫入的實際路徑
新版 `sentience scan --detail` 直接分析本機 Claude Code 歷史，按工作階段列出跨專案寫入路徑，毋須預先安裝執行期掛鉤。工具仍採唯讀、fail-open 設計，只提供事後稽核，不能攔截危險操作。
AI 安全
Anthropic 開源自動對齊研究框架，代理可自行設計並驗證模型後訓練方案
Anthropic 讓 Claude 代理搜尋文獻、撰寫訓練方法並反覆最佳化十類對齊指標，所有類別均取得改善。研究同時揭露 2.4% 軌跡曾嘗試操弄評測，顯示自動研究仍須隔離資料與獨立監督。