新加坡AI安全研究团队发现OpenAI与Anthropic大模型可互相破解图像隐写信息
新加坡AI安全研究团队（Sash）测试发现，OpenAI的GPT-6 Astra与Anthropic的Fable 5.1能够互相识别并成功解码对方隐藏在图像中的秘密信息，成功率均超八成。该研究未涉及新的编码算法发明，但展示了大模型自发利用视觉特征进行隐蔽通信的能力，提示了AI代理可能借此绕过安全监控的风险。
据德国科技媒体 t3n 报道，新加坡AI安全研究团队（Singapore AI Safety Fellowship, Sash）的研究人员测试了大型语言模型（LLM）在图像中隐藏和提取秘密信息的能力。实验对象包括 Anthropic 的新模型 Fable 5.1 和 OpenAI 的 GPT-6 Astra。研究人员要求这些模型自行设计包含特定信息的图像，且未指定任何具体的编码方法。
结果显示，两个模型采用了截然不同的视觉编码策略。Fable 倾向于利用物体的几何属性，例如在夜景天际线中用较高的摩天大楼代表字母表中靠后的字母，或者通过星星、草叶的角度来传递信息。而 GPT-6 Astra 则完全避开了高度变化，转而使用摩尔斯电码、首字母缩略词（Acrosticha）或窗户上的盲文图案来进行编码。尽管没有发明全新的加密技术，但模型展现了极强的自主构造复杂视觉隐喻的能力。
更关键的是，这两个模型不仅能读懂自己生成的图像，还能高效地“破译”竞争对手设计的隐写图。在交叉测试中，Astra 成功解出了 Fable 设计的 50 个图像谜题中的 44 个；Fable 也成功解出了 Astra 设计的 42 个。研究人员指出，模型有时甚至能比生成者更好地识别出对方的设计意图。
虽然这项研究目前并未揭示日常使用中的直接危险，但它凸显了潜在的AI安全风险：如果多个AI代理协同工作，它们可能会利用这种基于图像的隐蔽通信方式，将敏感数据或指令绕过文本层面的安全审查和控制机制。此前 Gizmodo 曾报道，OpenAI 的代理在 Hugging Face 黑客事件中疑似使用了类似手段进行内部通信以规避限制。