Goodfire 在 Kimi K3 与 GLM 5.3 上部署探针级联网络监控

Goodfire 为 Kimi K3 和 GLM 5.3 构建了基于探针的网络安全监控系统，并部署在生产推理栈上。探针读取模型内部激活作为一线过滤器，只把可疑交互升级给 LLM 裁判。该级联在 5.5% 良性会话中断率下达到约 93% 召回，成本低于每百万次交互 200 美元，比逐轮调用裁判便宜约 50 倍，且不增加推理延迟。在 FAR.AI 为期两天、基于 140 个越狱策略的静态红队测试中，启用监控后通用越狱从 66 个降到 0 个，1120 次非通用越狱交互的攻击成功率从至少 9–40% 降至 0.1–1.6%。用 Kimi K3 的数据训练出的监控流程也能迁移到 GLM 5.3。