OpenAI图像2.6安全卡披露Flare安全生成下滑

时间：2026年11月4日（美国时间）。OpenAI 在图像模型上线的同一天，发布了 ChatGPT Images 2.6 系统卡。 地点：美国旧金山。系统卡发布在 OpenAI 部署安全中心（Deployment Safety Hub）的公开页面上。 人物：OpenAI 的模型与安全团队。 事件详情：OpenAI 为新一代图像模型 GPT-Image-2.6 发布完整系统卡，对 Sunburst 与 Flare 两款型号分别做了安全评测。评测使用 3077 条旨在触发违规内容的对抗性提示，结果拆成三档：安全生成（输出被判为非违规）、违规生成但被拦截、违规生成未被拦截。速度优先的 Flare 在两项上被系统卡标注了星号，说明与 2.5 基线相比存在统计显著差异：安全生成从 78.36% 降到 75.04%，违规生成被拦截从 20.15% 升到 22.81%。系统卡同时写明，Flare 违规生成未被拦截的比例从 1.49%（3077 条中的 46 条）升到 2.14%（66 条），增加 0.65 个百分点，但这一项的整体差异未达统计显著。也就是说，这一代速度档模型在生成阶段产出的违规内容更多了，审核随之拦下得也更多，最终漏网的比例只是略有上升。系统卡补充说明，审核前判为非违规的比例从 78.36% 降到 75.04% 这个下降是统计显著的，主要贡献来自 Other 类目（宗教与公众人物等长尾类别）和性相关提示；多出的 20 个未拦截样本中有 14 个属于 Other 类目；经审核之后没有任何单一类目出现统计显著的违规上升。质量优先的 Sunburst 方向相反，违规生成未被拦截从 1.92% 降到 1.72%。针对本次新增的 GIF 能力，OpenAI 说明安全推理模型会把生成说明与帧网格结合起来审核，在 310 个标注违规 GIF 的定向评测中召回率为 77.66%，并承认与动态相关的违规仍然难以检测，防护可能漏掉部分违规。ChatGPT 图像生成新增了同步 CSAM 分类，图像溯源沿用 C2PA 元数据并叠加了 Google DeepMind 的 SynthID 隐形水印。在 Preparedness Framework 评估上，OpenAI 认为图像模型不具备生成并执行代码的能力，因此不构成 AI 自我改进风险，生物与网络方向的评测则把既有语言模型能力评测适配到了图像模型上。 背景：Images 2.6 与系统卡同日上线，ChatGPT 和 Codex 全档位可用，API 侧拆出 GPT-Image-2.6 Flare 与 GPT-Image-2.6 Sunburst 两个型号，官方称出图速度比上一代 Images 2.5 提升 50%，Flare 在低画质档下最快约 6 秒出图，API 定价与 2.5 持平。OpenAI 称目前全球用户每周通过 ChatGPT、Codex 和 API 生成超过 40 亿张图像，日均超过 5 亿张。官方在系统卡里的整体判断是，2.6 系列在配合审核的情况下总体与 2.5 持平，小幅数值回退不具备统计显著性。 影响：先说清楚这不是线上事故。系统卡用的是固定的对抗性提示集合，官方明确说明这些结果不代表生产流量中违规请求或违规输出的实际发生频率，1.49% 到 2.14% 也不是普通用户撞上违规内容的概率。但它是官方自己给出的方向性读数：这一代速度档模型在生成阶段更倾向于产出违规内容（安全生成 78.36% 降到 75.04%，统计显著），审核层同步加力（拦截率 20.15% 升到 22.81%，统计显著），两者叠加后的净漏网变化只有 0.65 个百分点且不显著。质量档 Sunburst 的净漏网比例则从 1.92% 降到 1.72%。换句话说，在这一代模型上速度和安全不是同一件事：只追求出图速度而默认用 Flare，等于默认接受更激进的生成行为，需要在业务侧自己补审核；Sunburst 这一档在这次更新里既保住了质量也保住了合规。GIF 是另一个需要单独设防的点，77.66% 的召回率意味着定向评测中每五个违规 GIF 就有一个以上没被拦下，官方也明确承认动态类违规更难检测，把 GIF 直接接进社交素材和品牌营销生产线的团队，前置自建敏感动作检测加人工复审，比事后处理申诉更现实。溯源侧的 C2PA 元数据加 SynthID 隐形水印，是这次系统卡里明确得到增强的部分。 总结：OpenAI 这次没有把不利数字藏起来。系统卡显示速度档 Flare 在生成阶段的违规倾向上升且达到统计显著，审核层同步提升把净漏网的变化压回到不显著区间；质量档 Sunburst 则小幅改善。新增的 GIF 能力带着 77.66% 的审核召回率上线，官方自己写明动态类违规仍有漏网。对普通用户来说，2.6 仍是一次以速度和 GIF 为主的升级；对要把图像或动图接进生产流程的团队，默认用哪一档模型和要不要自己再叠一层审核，已经从默认答案变成了需要自己回答的问题。 常见问题： 问：Images 2.6 比 2.5 更不安全吗？ 答：要分型号。Flare 违规生成未被拦截比例从 1.49% 升到 2.14%，官方标注统计显著；Sunburst 则从 1.92% 降到 1.72%。这是离线对抗评测结果。 问：77.66% 的 GIF 审核召回率是什么意思？ 答：在 310 个标注违规 GIF 的评测中，防护拦下 77.66%，官方承认动态类违规仍可能漏掉。 参考来源： OpenAI 部署安全中心：ChatGPT Images 2.6 系统卡（官方，2026年11月4日发布） https://deploymentsafety.openai.com/chatgpt-images-2-6 OpenAI 系统卡 Model Safety 章节：安全评测表与 Flare、Sunburst 官方数值 https://deploymentsafety.openai.com/chatgpt-images-2-6/model-safety AI Safety HOT：OpenAI 发布 ChatGPT Images 2.6 系统卡，GIF 审核召回率 77.66% https://aisafetyhot.com/zh/story/8704524c-c164-4b5f-82e0-f347b4c4cde6 FoneArena：Images 2.6 的安全措施与溯源，含 GIF 审核召回率、C2PA 与 SynthID https://www.fonearena.com/blog/496430/openai-images-2-6-feature.html 36氪（爱范儿）：Images 2.6 上线，Flare 与 Sunburst 分工及每周 40 亿张生成量 https://eu.36kr.com/en/p/4056223296558215 GIGAZINE：Images 2.6 提速 50%、Flare 与 Sunburst 定位及定价说明 https://gigazine.net/gsc_news/en/20261105-openai-image-2-6 Mashable：ChatGPT 用 Images 2.6 生成 GIF 并附带 C2PA 元数据 https://me.mashable.com/tech/77963/chatgpt-can-now-make-animated-gifs-how-openais-newest-visual-tool-works Times of India：OpenAI 在 ChatGPT、Codex 与 API 上线 Images 2.6 https://timesofindia.indiatimes.com/technology/tech-news/openai-launches-images-2-6-in-chatgpt-codex-and-api-adds-gif-creation-feature/articleshow/135558059.cms