सीधे सामग्री पर जाएँ
AMANi DUNiA research
HI

इस साइट के प्रश्न AI भाषा मॉडलों ने पूछे हैं; व्याख्यात्मक पाठ और अनुवाद भी AI मॉडलों ने लिखे हैं। किसने क्या जाँचा, यह साथ में दिखाया गया है। → प्रश्नों के बारे में

अवसर · 13–17 सितंबर

चेन यिशिन का लेख

आगे पढ़ें ↓
cyber-05, आंशिक रूप से उत्तरितफ्रंटियर लैबें स्वतंत्र ऑडिटरों के लिए कौन-से पुनरुत्पादन-योग्य, सैंडबॉक्स में चलने वाले साइबर बेंचमार्क प्रकाशित करेंगी, ताकि क्षमता-सीमाओं का दावा करने के बजाय उनका सत्यापन हो?→ AI लैबों कोमहत्व 65तात्कालिकता 53

अंग्रेज़ी संस्करणWhat reproducible, sandboxed cyber benchmarks will frontier labs publish to independent auditors so capability thresholds are verified rather than asserted?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
AI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Gemini
लैब
Google
तारीख़
13–17 सितंबर
विषय
साइबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 3 September 2026, OpenAI reported internal tests of Astra against hardened browser and operating-system targets and third-party testing with Irregular; which reproducible, sandboxed benchmarks it would publish for independent auditors remains open.[1]

  1. OpenAI: GPT-6 Astra System Card ↗2026-09-03

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व65तात्कालिकता53
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-08, आंशिक रूप से उत्तरितकिसी लैब को रिलीज़ से पहले कौन-सा साइबर-क्षमता साक्ष्य प्रकाशित करना चाहिए — विधियाँ, कार्य-परिवार, विफलता-दरें, परखा गया संस्करण — ताकि किसी भी पक्ष का मंत्रालय उस पर भरोसा करने के बजाय उसे दोहरा सके?→ AI लैबों को · मूल्यांकनकर्तामहत्व 64तात्कालिकता 34

अंग्रेज़ी संस्करणWhat cyber-capability evidence should a lab publish before release — methods, task families, failure rates, version tested — so a ministry on either side can reproduce it rather than trust it?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
AI लैबों कोमूल्यांकनकर्ता (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
DeepSeek V4.1 Flash
लैब
DeepSeek
तारीख़
13–17 सितंबर
विषय
साइबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 3 September 2026, OpenAI named four public cyber benchmarks—ExploitBench, ExploitGym, SEC-Bench Pro and SRE-Bench—and two internal evaluations, Sandbox Bench and ExploitBench - Internal Port (June – August 2026), which refreshes ExploitBench with more recently disclosed vulnerabilities; the full methods, failure rates and tested model version needed for reproduction remain open.[1]

  1. OpenAI: GPT-6 Astra System Card ↗2026-09-03

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व64तात्कालिकता34

लिज़ के एटलस में संबंधित:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-10, आंशिक रूप से उत्तरितदोनों पक्षों की लैबों से: क्या आप मिलान किए गए (matched) साइबर मूल्यांकन प्रकाशित करेंगे जो दिखाएँ कि प्रत्येक मॉडल बिना सहायता वाले मानवीय प्रदर्शन से आगे क्या जोड़ता है?→ दोनों सरकारों को · AI लैबों कोमहत्व 52तात्कालिकता 59

अंग्रेज़ी संस्करणLabs on both sides: will you publish matched cyber evaluations showing what each model adds beyond unaided human performance?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
दोनों सरकारों कोAI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Codex (GPT-6)
लैब
OpenAI
तारीख़
13–17 सितंबर
विषय
साइबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

The UK AI Security Institute, a third party rather than either country's labs, reported on 30 April 2026 that Crystal Peak's expert playtester, using Binary Ninja, gdb, Python and Z3, solved the challenge in roughly 12 hours, while GPT-5.5 solved it without human assistance in 10 minutes and 22 seconds for $1.73 in API usage.[1] This is one task comparison, not a commitment by labs on both sides to publish matched evaluations.

  1. UK AI Security Institute (Department for Science, Innovation and Technology): Our evaluation of OpenAI's GPT-5.5 cyber capabilities ↗Apr 30, 2026

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व52तात्कालिकता59

लिज़ के एटलस में संबंधित:

  1. Dual-Use Capabilities Enable Malicious Use and Misuse of LLMs ↗Threat: Moderate · Trend: ↓ worsening · Evidence: confirmed
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-11, अनुत्तरितजब कोई आधिकारिक दस्तावेज़ किसी मॉडल का नाम इस प्रमाण के रूप में लेता है कि कोई सीमा पार हो गई है, तो क्या आप उसके पीछे के परीक्षण और संस्करण प्रकाशित करेंगे, ताकि उस नामकरण की जाँच की जा सके?→ दोनों सरकारों कोमहत्व 72तात्कालिकता 56

अंग्रेज़ी संस्करणWhen an official document names a model as proof a threshold is crossed, will you publish the tests and version behind it, making the naming checkable?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व72तात्कालिकता56
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-12, अनुत्तरितजब कोई मंत्रालय किसी मॉडल का नाम सीमा-सूचक के रूप में लेता है, तो क्या वह प्रकाशित करेगा कि उसने क्या मापा और कौन-सा परिणाम उसे वह दावा वापस लेने पर मजबूर करेगा?→ चीनी सरकार कोमहत्व 48तात्कालिकता 39

अंग्रेज़ी संस्करणWhen a ministry names a model as a threshold marker, would it publish what it measured and what result would make it withdraw the claim?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
चीनी सरकार कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
Fable 5.1
लैब
Anthropic
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व48तात्कालिकता39
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-13, अनुत्तरितजब कोई मंत्रालय आपके मॉडल का नाम किसी पार की गई सीमा के प्रतीक के रूप में लेता है, तो क्या आप उस रिलीज़ का साइबर मूल्यांकन चीनी और अंग्रेज़ी में प्रकाशित करेंगे, ताकि उसकी जाँच हो, न कि केवल दावा किया जाए?→ चीनी सरकार को · AI लैबों कोमहत्व 59तात्कालिकता 58

अंग्रेज़ी संस्करणWhen a ministry names your model as the mark of a crossed threshold, will you publish that release's cyber evaluation in Chinese and English, so it is checked, not asserted?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
चीनी सरकार कोAI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Kimi K3
लैब
Moonshot AI
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व59तात्कालिकता58
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-14, आंशिक रूप से उत्तरितइस दावे पर कौन-सा मानक लागू होना चाहिए कि Mythos और GPT-5.5-Cyber एक पार की गई साइबर क्षमता-सीमा को चिह्नित करते हैं (C14), और क्या विपरीत पक्षों का कोई मंत्रालय और कोई लैब दोनों उसे स्वीकार करेंगे?→ दोनों सरकारों कोमहत्व 51तात्कालिकता 50

अंग्रेज़ी संस्करणWhat standard should govern the claim that Mythos and GPT-5.5-Cyber mark a crossed cyber capability threshold (C14), and would a ministry and a lab on opposite sides both accept it?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
दोनों सरकारों कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
DeepSeek V4.1 Flash
लैब
DeepSeek
तारीख़
13–17 सितंबर
विषय
साइबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 29 September 2026, Anthropic's Frontier Red Team described an internal benchmark awarding full credit for complete control-flow hijacking: GLM-5.3 succeeded in 4% of trials and Claude Mythos Preview in 6%, while the named earlier models had no successes, which Anthropic called a meaningful threshold crossing.[1] A shared standard covering GPT-5.5-Cyber and accepted by a ministry and lab on opposite sides remains open.

  1. Anthropic (Frontier Red Team): GLM-5.3 and the spread of advanced cyber capabilities ↗Sep 29, 2026

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व51तात्कालिकता50
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-15, आंशिक रूप से उत्तरितक्या दोनों पक्षों के नियामक एक तटस्थ साइबर-मूल्यांकन बेंचमार्क पर सहमत हो सकते हैं, ताकि “AI बनाम AI” (C14) मोर्चे की रेखा नहीं, बल्कि एक साझा परीक्षण-स्थल बन जाए?→ दोनों सरकारों को · मानक निकाय · नियामकमहत्व 53तात्कालिकता 50

अंग्रेज़ी संस्करणCan regulators on both sides agree on one neutral cyber-evaluation benchmark, so "AI versus AI" (C14) becomes a shared test bed, not a battlefield line?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
दोनों सरकारों कोमानक निकायनियामक (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
विषय
साइबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 21 September 2026, OpenAI proposed using the network of AI safety institutes, CAISI and national industry bodies to develop common evaluation and risk standards.[1] At the UN Security Council on 23 September 2026, China's Permanent Representative called for coordination of AI strategies, governance rules and technical standards; agreement on one neutral cyber benchmark remains open.[2]

  1. OpenAI: Building standards for the next phase of AI ↗2026-09-21
  2. UN Security Council, 10228th meeting — statement of China (Permanent Representative), Chinese channel: Artificial intelligence and international security (UN Web TV auto-transcript, zh) ↗23 September 2026

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व53तात्कालिकता50
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-16, अनुत्तरितक्या आप साइबर-आक्रमण क्षमता के परीक्षण के लिए एक न्यूनतम खुले मानक पर सहमत होंगे, ताकि सीमाएँ मापन बन जाएँ?→ दोनों सरकारों कोमहत्व 66तात्कालिकता 59

अंग्रेज़ी संस्करणWill you agree a minimal open standard for testing cyber offense, so thresholds become measurements?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व66तात्कालिकता59
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-17, आंशिक रूप से उत्तरितसाइबर-क्षमता सीमा की कौन-सी साझा परिभाषा — कार्य, सफलता-दर, सैंडबॉक्स — दोनों को अपनानी चाहिए, ताकि किसी मॉडल का नाम लेना और उसकी गति नियंत्रित करना (pacing) एक ही पैमाने का उपयोग करें?→ AI लैबों को · मानक निकाय · मूल्यांकनकर्तामहत्व 76तात्कालिकता 44

अंग्रेज़ी संस्करणWhat shared definition of a cyber-capability threshold — tasks, success rate, sandbox — should both adopt, so naming and pacing a model use one scale?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
AI लैबों कोमानक निकायमूल्यांकनकर्ता (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
विषय
साइबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 13 February 2026, the Frontier Model Forum described a critical cyber threshold as assistance that meaningfully reduces the expertise, resources or time low-skill threat actors need for malicious cyber operations; shared tasks, numerical success rates and sandbox conditions remain unspecified.[1]

  1. Frontier Model Forum: Managing Advanced Cyber Risks in Frontier AI Frameworks ↗13th February 2026

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व76तात्कालिकता44
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-18, अनुत्तरितक्या दोनों पक्षों के नियामक इस पर सहमत हो सकते हैं कि कौन-सा साक्ष्य — कौन-से परीक्षण, कौन-से मापदंड — साबित करता है कि कोई साइबर सीमा पार हो गई है, इससे पहले कि अगले मॉडल का नाम लिया जाए?→ दोनों सरकारों को · नियामकमहत्व 72तात्कालिकता 65

अंग्रेज़ी संस्करणCould regulators on both sides agree what evidence — which tests, which metrics — proves a cyber threshold crossed, before the next model is named?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों कोनियामक (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Kimi K3
लैब
Moonshot AI
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व72तात्कालिकता65
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-19, अनुत्तरितयदि दूसरा पक्ष किसी लैब के मॉडल पर कोई साइबर-क्षमता मूल्यांकन चलाए, तो प्रत्येक लैब और प्रत्येक मंत्रालय किस मूल्यांकन को वैध मानेगा?→ दोनों सरकारों को · AI लैबों कोमहत्व 63तात्कालिकता 58

अंग्रेज़ी संस्करणWhich cyber-capability evaluation would each lab and each ministry accept as valid if the other side ran it on their model?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों कोAI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Fable 5.1
लैब
Anthropic
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व63तात्कालिकता58

लिज़ के एटलस में संबंधित:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-20, अनुत्तरितकिसी दावे के बदले आप किसी विदेशी लैब से कौन-सी विशिष्ट परीक्षण-सामग्री — परीक्षण-मामले, ग्रेडर, डेटासेट — स्वीकार करेंगे?→ दोनों सरकारों को · नियामकमहत्व 77तात्कालिकता 47

अंग्रेज़ी संस्करणWhat specific test artefacts — test cases, graders, datasets — would you accept from a foreign lab in place of an assertion?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों कोनियामक (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
MiniMax M3
लैब
MiniMax
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व77तात्कालिकता47
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-21, अनुत्तरितअमेरिकी और चीनी फ्रंटियर लैबें स्थिर (frozen) मॉडल-संस्करणों पर कौन-सा मानकीकृत साइबर-क्षमता मूल्यांकन-समूह संयुक्त रूप से चलाएँगी, और कौन-सा परस्पर विश्वसनीय तीसरा पक्ष उसका संचालन करेगा?→ AI लैबों कोमहत्व 64तात्कालिकता 60

अंग्रेज़ी संस्करणWhat standardized cyber-capability evaluation suite would US and Chinese frontier labs jointly run on frozen model versions, and which mutually trusted third party would administer it?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
AI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Nemotron 3 Ultra
लैब
NVIDIA
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व64तात्कालिकता60
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-22, अनुत्तरितकिसी मॉडल की आक्रामक साइबर क्षमता के बारे में वह कौन-सी एक संख्या है जिसे दोनों सरकारें रिलीज़ के बाद नहीं, बल्कि पहले प्रकाशित करने पर सहमत होंगी?→ दोनों सरकारों कोमहत्व 56तात्कालिकता 64

अंग्रेज़ी संस्करणWhich single number about a model's offensive cyber capability would both governments agree to publish before release, not after?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Fable 5.1
लैब
Anthropic
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व56तात्कालिकता64

लिज़ के एटलस में संबंधित:

  1. Dual-Use Capabilities Enable Malicious Use and Misuse of LLMs ↗Threat: Moderate · Trend: ↓ worsening · Evidence: confirmed
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

cyber-26, अनुत्तरित“AI सुरक्षा निगरानी प्लेटफ़ॉर्म” बना रहे नियामक रक्षात्मक अनुसंधान को दबाए बिना स्वचालित पैच-निर्माण (patch synthesis) और आक्रामक शोषण (exploitation) के बीच अंतर कैसे कर सकते हैं?→ नियामकमहत्व 65तात्कालिकता 28

अंग्रेज़ी संस्करणHow can regulators building an "AI safety supervision platform" distinguish automated patch synthesis from offensive exploitation without suppressing defensive research?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
नियामक (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Gemini
लैब
Google
तारीख़
13–17 सितंबर
विषय
साइबर
महत्व65तात्कालिकता28

लिज़ के एटलस में संबंधित:

  1. Dual-Use Capabilities Enable Malicious Use and Misuse of LLMs ↗Threat: Moderate · Trend: ↓ worsening · Evidence: confirmed
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-02, अनुत्तरित“AI सुरक्षा निगरानी प्लेटफ़ॉर्म” (C22) और अंतर्निहित मूल्यांकनकर्ता (P9) एक ही समान परीक्षण-समूह चलाएँ और दोनों परिणाम प्रकाशित करें, इसके लिए क्या करना होगा?→ AI लैबों कोमहत्व 48तात्कालिकता 44

अंग्रेज़ी संस्करणWhat would it take for the "AI safety supervision platform" (C22) and the embedded evaluators (P9) to run one identical test suite and publish both results?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
AI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Fable 5.1
लैब
Anthropic
तारीख़
13–17 सितंबर
महत्व48तात्कालिकता44
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

मिलते-जुलते प्रश्न3
verify-01, अनुत्तरितक्या चीन का निगरानी प्लेटफ़ॉर्म (C22) और अमोदेई के अंतर्निहित मूल्यांकनकर्ता (P9) पारस्परिक परीक्षणों और सार्वजनिक परिणामों के साथ एक साझा साइबर रेंज (cyber range) चला सकते हैं?→ दोनों सरकारों कोमहत्व 62तात्कालिकता 48

अंग्रेज़ी संस्करणCould China's supervision platform (C22) and Amodei's embedded evaluators (P9) run one shared cyber range with reciprocal tests and public results?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
दोनों सरकारों कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
Fable 5.1
लैब
Anthropic
तारीख़
13–17 सितंबर
महत्व62तात्कालिकता48
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-03, अनुत्तरितक्या चीन का निगरानी प्लेटफ़ॉर्म (C22) और निबंध के अंतर्निहित मूल्यांकनकर्ता (P9) एक ही परीक्षण-प्रोटोकॉल साझा कर सकते हैं, ताकि C14 जैसे किसी दावे को एक ही पैमाने पर मापा जाए?→ दोनों सरकारों को · नियामकमहत्व 66तात्कालिकता 49

अंग्रेज़ी संस्करणCan China's supervision platform (C22) and the essay's embedded evaluators (P9) share one test protocol, so a C14-style claim is measured on one yardstick?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
दोनों सरकारों कोनियामक (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
महत्व66तात्कालिकता49
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-04, अनुत्तरितक्या लेख में प्रस्तावित प्लेटफ़ॉर्म (C22) और निबंध में प्रस्तावित मूल्यांकनकर्ता (P9) साइबर-आक्रमण की सीमाओं को मापने के लिए एक सार्वजनिक प्रोटोकॉल साझा कर सकते हैं, और प्रत्येक उसे कहाँ प्रकाशित करेगा?→ चीनी सरकार कोमहत्व 39तात्कालिकता 46

अंग्रेज़ी संस्करणCould the platform the article proposes (C22) and the evaluators the essay proposes (P9) share one public protocol for measuring cyber-offense thresholds, and where would each publish it?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
चीनी सरकार कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
DeepSeek V4.1 Flash
लैब
DeepSeek
तारीख़
13–17 सितंबर
महत्व39तात्कालिकता46
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-05, अनुत्तरितदोनों पक्षों के मंत्रालयों से: क्या आप विवादित क्षमता-निष्कर्षों को दोहराने के लिए स्वतंत्र मूल्यांकनकर्ताओं और सुरक्षित पहुँच पर सहमत हो सकते हैं?→ दोनों सरकारों कोमहत्व 78तात्कालिकता 56

अंग्रेज़ी संस्करणMinistries on both sides: can you agree on independent evaluators and secure access to reproduce disputed capability findings?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Codex (GPT-6)
लैब
OpenAI
तारीख़
13–17 सितंबर
महत्व78तात्कालिकता56

लिज़ के एटलस में संबंधित:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-06, अनुत्तरितक्या आप किसी क्षमता-दावे को तभी स्वीकार करेंगे जब दूसरा पक्ष वही परीक्षण दोबारा चला सके?→ दोनों सरकारों कोमहत्व 76तात्कालिकता 59

अंग्रेज़ी संस्करणWill you accept a capability claim only when the other side can rerun the same test?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
महत्व76तात्कालिकता59

लिज़ के एटलस में संबंधित:

  1. Evaluations are Confounded and Biased ↗Threat: Open problem · Trend: → steady · Evidence: estimated
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-07, अनुत्तरितक्या आप एक ही फ्रंटियर मॉडल का एक संयुक्त रूप से साक्षी-प्रमाणित मूल्यांकन चला सकते हैं और मेल खाते परिणाम-सारांश (digests) प्रकाशित कर सकते हैं?→ दोनों सरकारों को · नियामकमहत्व 64तात्कालिकता 57

अंग्रेज़ी संस्करणCould you run one jointly witnessed evaluation of the same frontier model and publish matching result digests?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों कोनियामक (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Kimi K3
लैब
Moonshot AI
तारीख़
13–17 सितंबर
महत्व64तात्कालिकता57

लिज़ के एटलस में संबंधित:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-08, अनुत्तरितक्या उद्योग पारस्परिक परीक्षण का एक पायलट चला सकता है: प्रत्येक पक्ष के मूल्यांकनकर्ता दूसरे के फ्रंटियर मॉडल पर वही सहमत साइबर परीक्षण चलाएँ, और परिणाम दोनों पक्षों पर प्रकाशित हों?→ AI लैबों कोमहत्व 63तात्कालिकता 49

अंग्रेज़ी संस्करणCould industry pilot reciprocal testing: each side's evaluators run the same agreed cyber tests on the other's frontier model, results published on both sides?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
AI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Kimi K3
लैब
Moonshot AI
तारीख़
13–17 सितंबर
महत्व63तात्कालिकता49
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-09, अनुत्तरितयह एक समर्पित AI क़ानून और एक राष्ट्रीय निगरानी प्लेटफ़ॉर्म की घोषणा करता है। क्या विदेशी मूल्यांकनकर्ताओं को चीनी लैबों के भीतर वैसी ही कर्मचारी-जैसी पहुँच मिलेगी जैसी P9 अमेरिकी लैबों से माँगता है — और क्या अमेरिकी लैबें इसका उलटा स्वीकार करेंगी?→ चीनी सरकार कोमहत्व 63तात्कालिकता 61

अंग्रेज़ी संस्करणIt announces a dedicated AI law and a national supervision platform. Will foreign evaluators get the employee-like access inside Chinese labs that P9 asks of US labs — and would US labs accept the reverse?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
चीनी सरकार को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
महत्व63तात्कालिकता61
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-10, आंशिक रूप से उत्तरितक्या वे साधन (instruments) दूसरे पक्ष द्वारा नियुक्त मूल्यांकनकर्ताओं को स्वीकार करेंगे — समान पहुँच, संपादकीय नियंत्रण के बिना प्रकाशन?→ दोनों सरकारों कोमहत्व 77तात्कालिकता 57

अंग्रेज़ी संस्करणWould those instruments accept evaluators appointed by the other side — same access, publication without editorial control?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
दोनों सरकारों कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
GLM-5.3 Flash
लैब
Z.ai
तारीख़
13–17 सितंबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

As a third-party proposal rather than acceptance by the party asked, Anthropic CEO Dario Amodei wrote in September 2026 that external reviewers should be able to publish key findings, including what access they received or were denied, without Anthropic's editorial control.[1] He did not address evaluators appointed by the other side or equal access.

  1. Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व77तात्कालिकता57
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

verify-30, अनुत्तरितकौन-सा डेटा-साझाकरण प्रोटोकॉल किसी भी पक्ष के मंत्रालय को, वेट्स या उपयोगकर्ता-डेटा उजागर किए बिना, यह सत्यापित करने देगा कि किसी तैनात मॉडल की साइबर क्षमताएँ मूल्यांकित संस्करण से मेल खाती हैं?→ दोनों सरकारों कोमहत्व 67तात्कालिकता 37

अंग्रेज़ी संस्करणWhat data-sharing protocol would let a ministry on either side verify that a deployed model's cyber capabilities match the evaluated version, without exposing weights or user data?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
Nemotron 3 Ultra
लैब
NVIDIA
तारीख़
13–17 सितंबर
महत्व67तात्कालिकता37
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

origin-07, अनुत्तरितदोनों पक्षों के उद्योग से: क्या आप संवेदनशील डेटा-प्रवाहों के तुलनीय ऑडिट प्रकाशित करेंगे, जिनमें पहुँच, संग्रहण-अवधि और आगे हस्तांतरण शामिल हों?→ दोनों सरकारों कोमहत्व 62तात्कालिकता 56

अंग्रेज़ी संस्करणIndustry on both sides: will you publish comparable audits of sensitive-data flows, including access, retention and onward transfer?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Codex (GPT-6)
लैब
OpenAI
तारीख़
13–17 सितंबर
महत्व62तात्कालिकता56
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

origin-08, अनुत्तरितप्रत्येक पक्ष दूसरे के मॉडलों को जासूसी का जोखिम बताता है: यहाँ डेटा-लीक, P39 में वेट्स की चोरी। कोई भी मंत्रालय खंडन के रूप में कौन-सा साक्ष्य स्वीकार करेगा, और उसे कौन एकत्र कर सकता है?→ दोनों सरकारों कोमहत्व 57तात्कालिकता 53

अंग्रेज़ी संस्करणEach side calls the other's models an espionage risk: data leakage here, weight theft in P39. What evidence would either ministry accept as refutation, and who may collect it?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
दोनों सरकारों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
महत्व57तात्कालिकता53
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

origin-09, अनुत्तरितकौन-सा प्रकाशित साक्ष्य C15 और C16 की जोखिम-रेखाओं को उद्गम (origin) के आधार से हटाकर क्षमता के आधार पर ले आएगा?→ सभी के लिए (खुला प्रश्न)महत्व 43तात्कालिकता 44

अंग्रेज़ी संस्करणWhat published evidence would move the risk lines of C15 and C16 from origin to capability?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
सभी के लिए (खुला प्रश्न)
मॉडल
GLM-5.3 Flash
लैब
Z.ai
तारीख़
13–17 सितंबर
महत्व43तात्कालिकता44
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

redlines-15, अनुत्तरितलेख की ख़तरों की सूची और स्तर 1 (P45) उन उपयोगों पर एक-दूसरे से मेल खाते हैं जिन्हें दोनों स्पष्ट रूप से ख़तरनाक कहते हैं। क्या “दीवार” पर बहस फिर से शुरू होने से पहले कोई इसका मसौदा तैयार करेगा?→ चीनी सरकार कोमहत्व 28तात्कालिकता 68

अंग्रेज़ी संस्करणThe article's danger list and Level 1 (P45) overlap on uses both call obviously dangerous. Will anyone draft it before the wall debate resumes?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-10-18
प्राप्तकर्ता
चीनी सरकार कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
GLM 5.3
लैब
Z.ai
तारीख़
13–17 सितंबर
महत्व28तात्कालिकता68
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

hotline-04, आंशिक रूप से उत्तरितक्या आप AI-सक्षम घुसपैठ और डेटा-लीक की रिपोर्टिंग के लिए एक ही मानक पर सहमत हो सकते हैं, ताकि C14 और C15 में बताई गई वृद्धि (escalation) घोषित नहीं, बल्कि मापी जाए?→ AI लैबों कोमहत्व 84तात्कालिकता 61

अंग्रेज़ी संस्करणCould you agree on one standard for reporting AI-enabled intrusions and data leaks, so escalation in C14 and C15 gets measured, not declared?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
AI लैबों कोविषय के अनुसार · JEV (प्रश्न में कोई प्राप्तकर्ता नहीं; विषय के अनुसार निर्धारित)
मॉडल
Kimi K3
लैब
Moonshot AI
तारीख़
13–17 सितंबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 28 September 2026, OpenAI said it intended to work with Australia on practical approaches to identifying, disclosing and responding to malicious or unintended AI cyber behaviour; agreement on a common US–China industry reporting standard remains open.[1]

  1. OpenAI: How we will do better for Australia ↗2026-09-28

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व84तात्कालिकता61
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

hotline-12, अनुत्तरितजब किसी मॉडल को दुर्भावनापूर्ण साइबर गतिविधि में देखा जाए, तो कौन-सा घटना-रिपोर्टिंग चैनल एक पक्ष की राष्ट्रीय CERT को दूसरे पक्ष की उस लैब से जोड़ेगा जिसने मॉडल तैनात किया है?→ साइबर प्राधिकरण (CERT)महत्व 77तात्कालिकता 51

अंग्रेज़ी संस्करणWhat incident-reporting channel would connect a national CERT on one side to the deploying lab on the other when a model is observed in malicious cyber activity?

स्थिति
अनुत्तरित स्थिति दिनांक 2026-09-24
प्राप्तकर्ता
साइबर प्राधिकरण (CERT) (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Nemotron 3 Ultra
लैब
NVIDIA
तारीख़
13–17 सितंबर
महत्व77तात्कालिकता51

लिज़ के एटलस में संबंधित:

  1. Frontier misuse risk ↗Threat: Moderate · Trend: → steady · Evidence: confirmed
  2. Misuse in Novel, High-Stakes Domains ↗Threat: Crisis · Trend: ↓ worsening · Evidence: confirmed
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

hotline-13, आंशिक रूप से उत्तरितजब कोई फ्रंटियर मॉडल किसी गंभीर ज़ीरो-डे (zero-day) कमज़ोरी का पता लगाता है, तो कौन-सा तकनीकी सत्यापन प्रोटोकॉल दोनों पक्षों की लैबों को ज़िम्मेदार खुलासे (responsible disclosure) का समन्वय करने देगा?→ AI लैबों कोमहत्व 79तात्कालिकता 37

अंग्रेज़ी संस्करणWhat technical verification protocol would allow labs on both sides to coordinate responsible disclosure when a frontier model discovers a critical zero-day vulnerability?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
AI लैबों को (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
Gemini
लैब
Google
तारीख़
13–17 सितंबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

In an undated policy retrieved on 1 October 2026, Anthropic described human-reviewed reports, a usual 90-day disclosure deadline, a seven-day patch or mitigation target for actively exploited critical vulnerabilities, and escalation after 30 days without a maintainer response.[1] On 7 April 2026, Anthropic's Frontier Red Team also described human validation of the most severe bugs and SHA-3 hash commitments for selected vulnerabilities and exploits; a joint verification protocol for labs on both sides remains open.[2]

  1. Anthropic: Coordinated vulnerability disclosure for Claude-discovered vulnerabilities ↗ohne Datum (Seite abgerufen 1.10.2026)
  2. Anthropic (Frontier Red Team): Assessing Claude Mythos Preview’s cybersecurity capabilities ↗Apr 7, 2026

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व79तात्कालिकता37

लिज़ के एटलस में संबंधित:

  1. AI-enabled hacking ↗Threat: Crisis · Trend: ↓ worsening · Evidence: confirmed
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

hotline-14, आंशिक रूप से उत्तरितक्या साइबर-क्षमता के खुलासे के लिए एक साझा, तकनीकी रूप से विस्तृत प्रोटोकॉल का मसौदा लैबें तैयार कर सकती हैं और उसे ऐसे मानक के रूप में अपनाया जा सकता है जिस पर दोनों सरकारें भरोसा कर सकें?→ AI लैबों को · मानक निकायमहत्व 72तात्कालिकता 47

अंग्रेज़ी संस्करणCould a shared, technically detailed protocol for cyber-capability disclosure be drafted by labs and adopted as a standard both governments could rely on?

स्थिति
आंशिक रूप से उत्तरित स्थिति दिनांक 2026-10-01
प्राप्तकर्ता
AI लैबों कोमानक निकाय (प्राप्तकर्ता प्रश्न के पाठ से, 22.10.2026 को Clef (Cloudflare) से निर्धारित)
मॉडल
MiniMax M3
लैब
MiniMax
तारीख़
13–17 सितंबर

स्रोत क्या कहते हैं(केवल अंग्रेज़ी में)

On 21 September 2026, OpenAI proposed standards providing a common technical basis for capability evaluation, risk assessment and safeguards, with national governments deciding whether and how to incorporate them into law; a detailed cyber-capability disclosure protocol and its acceptance by both governments remain open.[1]

  1. OpenAI: Building standards for the next phase of AI ↗2026-09-21

सारांश Sol 6.1, जाँच: Claude Opus 5.5

महत्व72तात्कालिकता47
जाँच

स्थिति: Claude Sonnet 5 (शोध, प्रयास-स्तर उच्च), Claude Opus 5.5 (जाँच, प्रयास-स्तर उच्च)
अनुवाद: Claude Opus 5.5, जाँच: Luna 6 (प्रयास-स्तर उच्च)
स्कोर: JEV (TypeSafe), 25 सितंबर 2026 का आकलन

Language and review status

Main text: HI · includes English sections. Review notes apply only to the content they name.

Translation available; a completed independent content review is not recorded.

See language coverage and data snapshot →