五名红队用同一AI攻击目标却结果各异

五名进攻性安全人员分别使用相同的 Codex 或 Claude，并针对同一代码库或网络目标开展红队任务，却获得五种不同结果；目前没有证据表明某一种模型或操作方式能稳定复现这些结果。 参与者水平、提示词微调、skill 文件及 subagent 编排等引导存在差异。rez0 认为，这些少量差异在任务中逐步累积，可能显著影响最终表现，因此不能仅凭所用工具或单次结果判断模型能力。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。