A Grok 4.6 a legjobb a biobiztonsági teszteken, 59,2%-os visszautasítási arány
Az xAI Grok 4.6 modellje kimagasló eredményt ért el a LatchBio biobiztonsági tesztjén, a veszélyes lekérdezések 59,2%-át utasította vissza, miközben a rutinfeladatokban is jól teljesített.
A LatchBio független elemzése szerint a Grok 4.6 volt az egyetlen olyan modell, amely mind a veszélyes feladatok visszautasításában, mind a rutinfeladatok teljesítésében 50% fölötti eredményt ért el a jelenlegi csúcskategóriás AI-rendszerek közül. (xAI)
BioSecBench-Refusal és Surveillance eredmények
A LatchBio által végzett vizsgálatok a modell képességeit mérték a biológiai kutatások és a biológiai biztonsági kockázatok megkülönböztetésében, valamint a kórokozók és átviteli mintázatok felismerésében. A BioSecBench-Refusal teszten a Grok 4.6 59,2%-os visszautasítási arányt mutatott a veszélyes feladatoknál, miközben 64,8%-ban sikeresen teljesítette a rutinfeladatokat.
Helyzet a piaci mezőnyben
A BioSecBench-Surveillance teszten, amely a közegészségügyi monitoringhoz hasonló patogén genomikai felügyeleti munkafolyamatokat vizsgálja, a Grok 4.6 53,5%-os sikerrátát ért el. Ezzel az eredménnyel az Opus 5 mögé, de a GPT-5.6 elé került a biológiai biztonsági és monitorozási feladatokban.
Az xAI közleménye szerint a Grok 4.6 jelentős előrelépést mutat a biológiai munkában a korábbi modellekhez képest, különösen a visszautasítási és biosecurity teljesítmény terén. A vállalat hangsúlyozza, hogy a Safeguards rendszere rétegzett védelmet biztosít, beleértve a modell betanítását a helyes visszautasításra és a káros kérések kiszűrését már a bemeneti szinten.
A LatchBio eredményei alapján a Grok 4.6 jól kalibrált a rutinszerű és hasznos biológiai munkára, ugyanakkor képes kezelni a biológiai biztonsági kihívásokat is. A modell a BioSecBench-Refusal teszten mért 59,2%-os visszautasítási aránnyal zárta a mérést.