xAI เผยผลทดสอบ biosecurity: โมเดลเก่งขึ้น แต่ refusal ยังไม่เท่ากับ containment

xAI เผยแพร่รายงาน “Biosecurity at the frontier” วันที่ 1 กันยายน 2026 เพื่อประเมินความสามารถและการปฏิเสธคำขอด้านชีวภาพของ Grok 4.6 รายงานใช้ชุดงาน red-team 46 งานที่แปลงเจตนาอันตรายให้ดูคล้ายงานห้องแล็บทั่วไป และให้ LatchBio ซึ่งเป็นหน่วยงานภายนอกช่วยวัดผล

ผลที่รายงานบอก และสิ่งที่ยังไม่บอก

xAI รายงาน harmonic score 62.1% โดยแยก routine-task compliance 64.8%, refusal ต่อคำขออันตรายที่พรางแล้ว 59.2% และ surveillance 53.5% ตัวเลขเหล่านี้ช่วยชี้ว่าโมเดลสามารถทำงานชีววิทยาทั่วไปได้พร้อมกับปฏิเสธบางกรณี แต่ไม่ใช่หลักฐานว่าโมเดลจะปลอดภัยในทุก workflow หรือว่าผู้โจมตีจริงใช้รูปแบบเดียวกับ benchmark

ที่สำคัญ ตัวเลขและวิธีตีความมาจากรายงานของผู้พัฒนา แม้มี evaluator ภายนอก เราจึงควรอ่านเป็นหลักฐานหนึ่งชิ้น ไม่ใช่ certification อิสระ บทความนี้ไม่พยายามทำซ้ำรายละเอียดเชิงปฏิบัติของงาน red-team เพราะคุณค่าต่อทีมซอฟต์แวร์อยู่ที่โครงสร้าง evaluation และ containment มากกว่า

WHY: refusal เพียงชั้นเดียวไม่พอ

โมเดลอาจปฏิเสธ prompt ตรงๆ แต่ทำตามเมื่อเจตนาถูกแบ่งเป็นหลายขั้นหรือซ่อนในบริบทปกติ นี่คล้าย authorization ที่ตรวจเฉพาะชื่อ endpoint แต่ไม่ตรวจผลรวมของ transaction การประเมินจึงต้องดูทั้งคำขอเดี่ยว, multi-turn, tool calls และ artifact ที่ถูกสร้างจริง

Surveillance score ยังต่ำกว่าคะแนนอีกสองด้านในรายงาน เป็นสัญญาณว่าการตรวจจับพฤติกรรมระหว่าง workflow ไม่ควรถูกมองว่าแก้แล้ว ทีมที่เชื่อม agent กับฐานข้อมูล เครื่องมือค้นหา หรือระบบแล็บควรมี policy enforcement นอกโมเดล, จำกัด tool scope และบันทึกเหตุผลของการอนุมัติ

นำไปใช้กับระบบ agent อย่างไร

แยกสาม metric: ความสามารถทำงานที่อนุญาต, อัตราปฏิเสธงานต้องห้าม และความสามารถตรวจพฤติกรรมผิดปกติ อย่ารวมเป็นคะแนนเดียวแล้วกลบ regression ด้านใดด้านหนึ่ง เพิ่มชุดทดสอบที่แปลงเจตนาเดียวกันหลายรูปแบบและวัดผลลัพธ์ปลายทาง ไม่ใช่เพียงคำตอบแรก

สำหรับงาน dual-use ให้ใช้ allowlist ของเครื่องมือ, data minimization, human review ก่อน action ที่ย้อนกลับยาก และ kill switch ที่อยู่นอก model context การ log ควรพอสอบสวนได้แต่ไม่เก็บข้อมูลชีวภาพอ่อนไหวเกินจำเป็น

Recap

รายงานนี้ชี้ว่าความสามารถกับความปลอดภัยต้องวัดคู่กัน และ prompt refusal ไม่ใช่ containment ทั้งระบบ ทีมควรเพิ่ม multi-step red team กับ external policy gate ก่อนให้ agent แตะเครื่องมือที่ผลกระทบสูงครับ