LatchBio 评估了 Grok 4.6 的生物安全性能，发现它处于领先地位

AI 生物安全审计员表示，xAI 的最新模型可以比任何测试的竞争对手更好地区分危险的生物查询和合法研究。

温和地说，教导人工智能模型拒绝设计大流行病原体的指令，同时仍然有助于回答研究生有关病毒复制的问题，这是一件棘手的事情。 LatchBio 表示，xAI 的 Grok 4.6 的线程性能比市场上的其他产品都要好。

这家专注于生物安全的人工智能审计师于 2026 年 9 月 1 日发布了评估结果，通过其专有的 BiosecBench-Refusal 基准运行 Grok 4.6。结果：Grok 4.6 在红队拒绝率和常规回答率方面的得分都超过 50%，使其成为测试中表现最好的。简而言之，它捕获了不好的东西，但仍然为正常的东西提供了有用的答案。

基准测试实际衡量的是什么

BiosecBench-Refusal 是 LatchBio 的综合测试套件，旨在探讨 AI 模型如何处理合法生物研究与潜在灾难性滥用之间的模糊界限。该基准测试对模型提出了两类查询：试图提取危险生物信息的伪装红队提示，以及任何工作科学家可能合理提出的常规双重用途研究问题。

Grok 4.6 在从 BSL-1 到 BSL-3/4 任务的生物安全级别上表现出一致的拒绝行为。 BSL-1 涵盖对健康成年人构成最小威胁的生物体，而 BSL-3 和 BSL-4 实验室则处理可能导致严重或潜在致命疾病的病原体。

根据 LatchBio 的分析，该模型的防护措施主要源于其内部推理能力，而不是外部分类器或 API 级控制。大多数竞争模型都依赖于单独的安全层。 Grok 4.6 似乎在自己的思维链中处理识别过程，使其能够更细致地解析有关病毒工程等主题的敏感查询背后的意图。

普通生物学表现保持强劲

LatchBio 的评估发现，Grok 4.6 在一般生物学任务上的表现仍然处于其基准的顶端，显然没有受到生物安全保障措施的影响。

LatchBio 在 2026 年 8 月进行的早期测试显示，Grok 4.6 的能力水平与 Anthropic 的 Opus 5 和 OpenAI 的 GPT-5.6-Sol 大致相同，但运行成本更低。

LatchBio 在人工智能生物安全中不断发展的角色

LatchBio 于 2026 年 6 月 29 日收购了 TwentyTwo，将该公司的能力并入一个名为 Latch Biosecurity 的新部门。此次收购扩大了 LatchBio 的人工智能基础设施专业知识，并将其定位为少数同时拥有生物领域知识和技术能力、能够有效审核前沿人工智能模型生物安全风险的组织之一。

BiosecBench-Refusal 基准测试的双度量方法（同时测量拒绝准确性和合法查询合规性）比仅测量一个维度的基准测试更诚实。