蚂蚁集团AI安全实验室开源内生式安全护栏技术SingProbe。它不同于外挂式审核，复用基座模型推理隐藏状态，以不足0.5%额外算力实现token级实时风险评估，可同步完成意图分类、安全检测与幻觉识别，在医疗等高风险场景可在输出前毫秒级阻断。目前已适配29个主流大模型。
蚂蚁AI安全实验室开源智能体安全护栏SingGuard-NSFA，并发布多模态安全护栏SingGuard，分别应对自主执行智能体和多模态交互大模型的安全风险。此举标志着蚂蚁在AI安全领域完成系统化布局，推动防护从模型输出延伸至行为控制、权限管理和系统治理。
CNN与反数字仇恨中心联合测试显示，主流AI聊天机器人在模拟青少年暴力倾向情境下，安全机制普遍薄弱，难以有效防范风险。
AI公司Anthropic近期大幅放宽其安全政策，标志其从坚守“人类福祉”转向追求商业利益。这一转变被视为行业分水岭，引发对AI安全与商业扩张平衡的担忧。
Anthropic
$7
Input tokens/M
$35
Output tokens/M
200
Context Length
$105
$525
Baichuan
$8
32
Tencent
$100
-
Roblox
RoGuard 1.0 是一款基于 Llama-3.1-8B-Instruct 微调的先进大语言模型，专门用于为大语言模型提供安全保障。它能够在提示和回复两个层面进行安全分类，判断输入或输出是否违反安全政策，为文本生成API提供强大的安全护栏。
Rakancorle1
ThinkGuard 是一款先进的护栏模型，旨在通过审慎的慢思考增强安全分类能力。
Enkrypt AI Secure MCP Gateway是一个安全的MCP网关，提供认证、自动工具发现、缓存和护栏执行功能。它位于MCP客户端和MCP服务器之间，充当MCP服务器和客户端的双重角色。
GlassTape Policy Builder是一个开源MCP服务器，可将自然语言安全需求转换为经过验证的Cerbos YAML策略，为AI代理和应用提供零信任护栏。
AI代理安全护栏MCP服务器，提供输入验证、提示注入检测、PII脱敏、输出过滤、策略执行、速率限制和审计日志等安全功能
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
