2026國家網絡安全宣傳周期間，螞蟻AI安全實驗室宣佈開源大模型內生式安全護欄SingProbe，同步開放相關代碼、模型和評測基準，為開發者提供與模型生成過程同步運行的安全檢測能力。

目前，SingProbe已適配Ling-3.0系列、GLM-5.2/5.3、Qwen、DeepSeekV4等29個主流開源大模型，並接入SGLang、vLLM推理框架，支持開發者在現有推理流程中集成安全防護。

隨着大模型進入日常問答、辦公輔助、客戶服務等業務場景，開發者既需要關注回答質量，也需要及時發現不安全內容和編造信息。

例如，AI在健康諮詢中可能給出不恰當的用藥建議，在資料問答中可能編造不存在的文獻。如何兼顧風險檢測、響應速度和部署成本，成為大模型應用落地的重要問題。

目前，大模型應用通常通過獨立的外置護欄模型審核輸入或輸出。這種方式通用、直接，但需要額外處理待審核內容，增加計算和部署成本。如果等待完整回答生成後再檢查，風險信號可能來得太晚；如果提高檢查頻率，又會進一步增加運行負擔。

運行時探針是學界探索兼顧安全檢測效果與運行效率的一條技術路徑，但從研究走向實際應用，還需要模型適配、推理框架集成等工程支持。

SingProbe通過適配多種開源模型、接入主流推理框架，補充了相關部署能力，讓開發者更方便地將內生式安全護欄接入實際業務。

運行時探針是學界探索兼顧安全檢測效果與運行效率的一種護欄方案。

但由於缺乏配套基礎設施支持，相關研究成果在實際落地中仍面臨障礙，應用端仍更多采用外置護欄。SingProbe通過提供模型適配、推理框架集成等工程支持，讓開發者更方便地將內生式安全護欄接入實際業務。

SingProbe如同一個模型內的「安全探頭」，通過複用大模型推理過程中已經產生的內部信息，持續輸出用戶意圖、回答安全和幻覺風險分數。

模型一邊生成回答，探針一邊提供風險信號，應用系統無需等待整段回答結束，就可以據此採取告警、中止回答、重新生成等措施。

據研發團隊在Ling-3.0-flash模型生產環境中的實測，SingProbe在解碼階段引入的額外開銷低於0.5%。

團隊評測顯示，flash版本在回答安全分類和流式安全檢測任務上超過所選公開基線，在幻覺檢測任務上與參考基線基本持平，展現出兼顧檢測能力與運行效率的潛力。

此次同步開放的流式安全評測基準SingStreamBench，進一步關注風險出現和被發現的具體時刻。它不僅檢驗護欄能否識別風險，還考察是否過早觸發、發現是否及時，幫助開發者評估安全防護效果及其對正常回答的影響。

在風險識別之外，團隊還探索瞭如何利用風險信號進行按需糾偏。作為一項場景驗證，SingProbe-Med在醫療內容生成過程中，僅在風險達到觸發條件後，對局部高風險內容進行干預。

在AntAngelMed-100B的醫療評測中，完整干預能夠糾正基線模型中25.03%原本出錯的回答，展示了內生風險信號用於生成過程安全控制的潛力。

通過此次開源，開發者可以獲取代碼與集成說明、模型及評測資源，開展部署、測試和進一步適配。SingProbe既可獨立使用，也可與外置護欄配合。

後續，團隊將逐步擴展對更多開源模型的支持，並邀請開發者、研究者和產業夥伴參與試用反饋，共同完善大模型生成過程中的安全防護能力。

項目代碼與集成說明已在GitHub開放，相關模型及SingStreamBench評測基準可通過Hugging Face獲取。