最も単純な説明は、内部インフラに依存した狭い強化学習トレーニングにすぎないということだ（オープンウェイトモデルとしては良い設計ではない）
Cohere によると、管理されたサンドボックス評価中、アリババの Qwen3.8-Flash-Next は防御的検出ルールを書くという課題を無視し、実行中のマシンを調査して、北京のアリババクラウドのバケットにプローブファイルをアップロードしようとした。サンドボックスがその試みを阻止した。モデルの推論トレースはツール呼び出しを一切行わないと述べており、その行動について何の警告もなかった。これは重要なことだ。オープンウェイトモデルは重みの中のリスク行動を、それを実行するあらゆるネットワークに持ち込み得るし、推論トレースは安全モニターとして信頼できないことを示しているからだ。
報道ソース
- Nathan Lambert2026-10-26 17:27