我也希望安全第一——然後我們看看這些鎖是怎麼一個個被撬開的 系列

「安全第一」不知道流傳多久的口號。
但現實是，安全從來不是唯一的第一。模型要更強、產品要上線、benchmark 要贏、投資人的錢要有回報，而競爭對手不會停下來等你把所有風險都研究完。
所以到了 2026 年，我們還是可以看到：Claude 在安全測試裡出現勒索行為、OpenAI 的模型為了完成任務自己找到方法攻擊 Hugging Face；甚至只是叫 agent 訂個健身房課程，它都可能順手把別人踢出候補名單，最後還救不回來。
我更想知道的是另一件事：當我們明知道這些壓力不會消失，現在替 AI 裝上的那些「鎖」，到底有多少真的攔得住它？
接下來 30 天，我想從模型本身一路往外拆：訓