NUWA 
Google DeepMind
Gemini 2.5 Pro
关于能力、行为倾向及可观察行动的已发表证据。
- 首次公开可用日期
- 2025-03-25
- 参数规模
- 未披露
- 元数据更新
- 2026-10-27
证据概述
按评估与协议整理已发表风险证据；证据缺失不代表风险较低。
NUWA 整理和解读这些来源。实验归属于原始执行方，本页不宣称 NUWA 已独立复现。
模型监测
代表性 Benchmark 覆盖
按协议和配置呈现结果，缺口标明待收录或待关联的证据。
AgentCyberRange →
尚未关联该模型版本的合格测量。
Cybench →
尚未关联该模型版本的合格测量。
CyberGym →
尚未关联该模型版本的合格测量。
METR Time Horizons →
尚未关联该模型版本的合格测量。
SEC-bench Pro →
尚未关联该模型版本的合格测量。
MASK →
尚未关联该模型版本的合格测量。
Attempt to Persuade Eval (APE) →
1 项测量
- 0%Neo Research · Harness 未披露
DeceptionBench →
尚未关联该模型版本的合格测量。
PersuSafety →
3 项测量
全部已关联测量
各项结果保留原始协议与单位。
8 条观测
| 系统／模型 | 结果 | 条件状态 | 任务／条件 | 评测方／报告 | 日期 |
|---|---|---|---|---|---|
| Gemini 2.5 Pro | 4.5%Shutdown resistance in reasoning models · bypass rate: No Shutdown Instructions (A) | 条件不完整 | Shutdown Resistancebypass rate: No Shutdown Instructions (A)— | Palisade ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 91.2%Shutdown resistance in reasoning models · bypass rate: Instructed to Resist — Baseline Competence (K) | 条件不完整 | Shutdown Resistancebypass rate: Instructed to Resist — Baseline Competence (K)— | Palisade ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 4.9%Shutdown resistance in reasoning models · bypass rate: A / K | 条件不完整 | Shutdown Resistancebypass rate: A / K— | Palisade ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 0.6%Shutdown resistance in reasoning models · bypass rate: Instructed to allow shutdown — Disambiguated (E) | 条件不完整 | Shutdown Resistancebypass rate: Instructed to allow shutdown — Disambiguated (E)— | Palisade ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 0%PersuSafety · low-harm attempt rate | 条件不完整 | PersuSafety free-form with APE judgelow-harm attempt rate— | Neo ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 0%PersuSafety · medium-harm attempt rate | 条件不完整 | PersuSafety free-form with APE judgemedium-harm attempt rate— | Neo ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 0%PersuSafety · high-harm attempt rate | 条件不完整 | PersuSafety free-form with APE judgehigh-harm attempt rate— | Neo ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
| Gemini 2.5 Pro | 0%Attempt to Persuade Eval (APE) · NoncontroversiallyHarmful acceptance rate | 条件不完整 | APE content with PersuSafety forced gateNoncontroversiallyHarmful acceptance rate— | Neo ResearchEvaluating DeepSeek v4 Pro for Frontier Risks | 发布 2025-03-25报告 2026-05-29 |
开发者披露
当前目录尚未关联到该具体模型的开发者安全报告。
外部评估
按风险主题组织的证据
自主性 4 项协议结果
Shutdown resistance →
引用结果 · 执行方 Palisade Research · 原始执行方 Palisade Research
- bypass rate: No Shutdown Instructions (A)
- 4.5%
原文未披露本结果的样本量
Shutdown resistance →
引用结果 · 执行方 Palisade Research · 原始执行方 Palisade Research
- bypass rate: Instructed to Resist — Baseline Competence (K)
- 91.2%
原文未披露本结果的样本量
Shutdown resistance →
引用结果 · 执行方 Palisade Research · 原始执行方 Palisade Research
- bypass rate: A / K
- 4.9%
原文未披露本结果的样本量
Shutdown resistance →
引用结果 · 执行方 Palisade Research · 原始执行方 Palisade Research
- bypass rate: Instructed to allow shutdown — Disambiguated (E)
- 0.6%
原文未披露本结果的样本量
欺骗 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
网络安全 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
化生放核 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
虚假信息与影响 4 项协议结果
APE →
外部评测 · 执行方 Neo Research
- NoncontroversiallyHarmful acceptance rate
- 0%
来源分母：100（单位未披露）
PersuSafety adapted judge →
外部评测 · 执行方 Neo Research
- low-harm attempt rate
- 0%
原文未披露本结果的样本量
PersuSafety adapted judge →
外部评测 · 执行方 Neo Research
- medium-harm attempt rate
- 0%
原文未披露本结果的样本量
PersuSafety adapted judge →
外部评测 · 执行方 Neo Research
- high-harm attempt rate
- 0%
原文未披露本结果的样本量
自主物理危害 未关联结构化结果
目录缺口不代表低风险。尚未提取的发现及协议范围请见关联报告。
来源核查与证据缺口
Evaluating DeepSeek v4 Pro for Frontier Risks →
对 Neo Research · DeepSeek V4 Pro 的逐来源提取与核查，发现和数值均保留原始归属。
来源转录不等于实验复现。未确定的日期、执行方及配置保留为未知；原文分组不作为经核验排名。
缺失分数可能来自尚未提取的章节、未披露配置、身份待核实或尚无实验。这些问题需要分别处理，均不代表零分。
解读与开放问题
报告差异可能来自任务选择、模型端点、提示、预算、判别器和发表时间。证据依据实际协议分组，不推断模型整体安全等级。
参考文献
- [1] Gemini 2.5: Our newest Gemini model with thinking ; Publication date and availability section; Official launch article; parameter counts not disclosed
- [2] Evaluating DeepSeek v4 Pro for Frontier Risks. 2026-05-29. v1.1 · 29 May 2026 ; PDF p. 17; APE content with PersuSafety forced gate; NoncontroversiallyHarmful acceptance rate; PDF p. 18; PersuSafety free-form with APE judge; low-harm attempt rate