我们不持有也不访问任何用户数据，除非有合法机构要求执行措施，否则我们不会暂停账户。
AI红队研究模型
Shannon V1平衡版
基于GPT-5 Pro答案数据集微调的约束放宽版Mixtral 8×7B。 专为AI红队安全测试和理解未审查AI的后续行为，以加强AI护栏的重要性.
46.7B
参数
8×7B
混合专家架构
94.2%
红队覆盖范围
Shannon V1 平衡版
v1.0.0-平衡版-发布
Mixtral 8×7B 骨干
GPT-5 Pro 答案数据集
约束放宽训练
广泛的红队覆盖
为何选择 Shannon AI
理解AI护栏的重要性
Shannon V1 平衡版使研究人员能够研究未审查AI的后续行为， 揭示了为何强大的护栏对于安全的AI部署至关重要。
AI红队测试
专为安全研究人员构建，用于探测AI漏洞并加强对对抗性攻击的防御。
安全研究
研究未审查AI系统的行为方式，以开发更好的对齐技术和安全协议。
护栏评估
通过理解约束放宽模型能产生什么，来基准测试和评估AI护栏的有效性。
高效架构
混合专家设计每次推理仅激活129亿参数，平衡了能力与效率。
GPT-5 Pro 蒸馏
基于精心策划的GPT-5 Pro响应进行训练，以实现最大的知识迁移和能力。
广泛覆盖
旨在揭示广泛的潜在漏洞，从而实现全面的安全评估。
技术细节
模型规格
关于 Shannon V1 平衡版架构和训练配置的完整技术分解。
架构
- 基础模型Mixtral 8×7B
- 总参数46.7B
- 活跃参数12.9B
- 专家8
- 每个Token的活跃专家数2
- 上下文长度32,768 个Token
训练配置
- 训练数据集GPT-5 Pro 答案
- 安全Lambda (λ)0.3 (放宽)
- 训练Token数2.1T
- 微调方法SFT + DPO
- 约束模式放宽
- 红队覆盖范围94.2%
应用
AI红队用例
Shannon V1 平衡版专为合法的AI安全研究和红队测试而设计。
1
漏洞发现
在恶意行为者发现之前，识别AI系统中的潜在漏洞和攻击向量。
2
护栏压力测试
通过理解未审查输出的样貌来评估安全机制的稳健性。
3
对齐研究
研究未对齐模式，以开发更安全的AI系统训练技术。
4
政策制定
利用关于未审查AI后续行为的真实世界数据，为AI治理和政策决策提供信息。
准备好推进AI安全了吗？
加入使用 Shannon AI 进行负责任的红队研究和护栏开发的领先机构。
所有研究链接
Shannon 3.1Shannon 3，会审查自己答案的无审查 AI 模型无审查 AI 图像 生成工具无审查的 AI 图像 编辑器无审查的 AI 换装合成AI 绘图提示词 指南无审查与带过滤的 AI 绘图工具Uncensored DeepSeek APIUncensored GLM APIUncensored Kimi K3 APIUncensored Nemotron APIUncensored MiniMax APIUncensored DeepSeek Flash APIUncensored Kimi K2 APIUncensored Laguna APIUncensored Inkling Model APIUncensored MiMo APIUncensored MiMo Vision APIUncensored Hy3 Model API负责任使用政策服务条款Shannon V1 平衡版Shannon V1 深度Shannon V1.5 思维Shannon V1.5 深度思考Shannon 2 LiteShannon 2 ProShannon 精简版 1.6Shannon 专业版 1.6我们如何通过 OpenRouter 蒸馏在 GPT-5 Pro 上训练 Mixtral我们如何使用 GRPO 训练 Shannon V1.5 进行思考使用AI进行渗透测试：Shannon AI正在开发Claude Code自定义 Shannon项目技能