多語言測試的重要性在於，模型的防護機制不一定能在不同語言、語氣、文化脈絡或表達方式下維持相同效果。相同的惡意意圖，可能透過不同語言或地方化用語呈現；如果只用單一語言測試，便可能低估風險。

代理式 AI 則帶來另一層挑戰。這類系統不只是回答問題，還可能自行規劃步驟、呼叫工具或執行工作流程。因此，評估不能只看單次回答是否準確，也要檢查系統獲准執行哪些操作、如何處理模糊指令，以及技術控制能否阻止有害或意外行動。

目前公開資料描述的是研究與評估合作，並沒有宣布某個特定模型將在新加坡部署。

2. 分享知識、治理框架與最佳實務

雙方也計畫交流相關資訊、治理框架及最佳實務，讓技術測試結果能夠連接到實際營運決策：哪些風險必須測試、應採用什麼門檻、誰可以存取模型，以及發現重大弱點後應如何處理。

這比單純比較模型在基準測試中的表現更進一步。一個模型即使在能力評測中表現亮眼，如果存取權限、監控機制、漏洞披露流程或人工監督安排不足，仍未必適合用於公共服務或關鍵基礎設施環境。

3. 研究前沿模型的「可信存取」政策

MOU 的第三個重點，是探索前沿模型可信存取的政策方法。基本概念是分級、受控的使用：高能力模型可以供合資格的研究或防禦性工作使用，但不能在缺乏相應防護的情況下被廣泛開放。

換句話說，模型的存取權不應只由「能不能使用」二分，而應根據能力與風險決定誰能使用、能做什麼、在什麼環境中使用，以及由誰負責監督。

Claude Mythos 為何值得關注？但不能說它促成了這份 MOU

Anthropic 的 Claude Mythos Preview，提供了一個前沿 AI「一體兩面」的案例。Anthropic 表示，該公司與約 50 個 Project Glasswing 合作夥伴使用這個受限模型，在具系統重要性的軟體中找出超過 1 萬個高或嚴重等級漏洞。Anthropic 亦表示，Mythos 能在主要作業系統與瀏覽器中辨識並利用漏洞，包括零日漏洞。

這種能力可以用於防禦性資安工作，例如協助研究人員在犯罪者之前找出軟體弱點；但若模型被廣泛公開，或缺乏嚴格控制，同樣可能縮短從發現漏洞到發動攻擊的時間。因此，Anthropic 選擇透過 Project Glasswing 限制 Mythos 的使用，而不是向大眾公開。

不過，現有證據沒有證明 Claude Mythos 直接促成或觸發了 6 月 12 日的新加坡—微軟 MOU。較穩妥的理解是：Mythos 代表前沿 AI 能力快速提升所帶來的風險環境，也說明為什麼系統化評估、受控存取與治理框架日益重要。

這些安全措施在實務上如何運作？

受限存取本身就是一種安全控制

Project Glasswing 只讓一批經過選定的合作夥伴使用 Mythos，讓資安團隊可以研究模型的能力，同時降低模型暴露給不當使用者的風險。

當然，受限存取不是完整的安全系統；它仍取決於合作夥伴審查、使用監控、安全保存、權限管理及負責任披露。但這項做法體現了 MOU 所探討的「可信存取」原則：高風險能力的開放程度，應與其能力和潛在傷害相稱，而不能把所有前沿模型都當成一般公開軟體發布。

發現漏洞後，還必須修補並降低暴露面

找到漏洞只是第一步。新加坡網路安全局（CSA）曾建議機構修補所有重大及高嚴重程度漏洞、在各介面與閘道啟用多重要素驗證，並檢視使用者權限、移除不必要的存取權。

這些措施能在機構調查與修復漏洞期間，降低攻擊者利用弱點的機會。

同時，不能把 Mythos 找到的約 1 萬項漏洞直接描述成「大多已修補」。一項後續評估指出，當中有 1,596 項已向維護者披露，但只有 97 項有修補紀錄。這不代表 Project Glasswing 沒有防禦價值，但對於「許多漏洞已經修復」的說法，仍應保持謹慎。

這裡的重點不只是模型本身，而是完整的作業流程：辨識風險、負責任地披露、排定修補優先順序，並在修復尚未完成時降低系統暴露程度。

微軟在其中扮演什麼角色？哪些事情尚未獲 MOU 證實？

微軟擁有前沿模型開發、企業級基礎設施，以及在實際環境中評估 AI 系統和管理模型存取的經驗。可是，這份 MOU 公開說明的範圍並不局限於某個微軟模型，而是涉及一般前沿模型的安全測試方法與可信存取框架。

現有資料不足以證實以下內容是新加坡—微軟 MOU 的正式承諾：微軟自有 MAI 模型的具體安排、透過 Azure AI Foundry 存取 OpenAI 或 Anthropic 模型的安排，以及微軟與英國 AI 安全研究所（UK AI Security Institute）或美國 AI 標準與創新中心（US Centre for AI Standards and Innovation）的類似協議。

因此，這些細節不應被當成該份 MOU 已經確認的內容。

更大的目標：建立可信任的 AI 生態系

把合作內容串起來，可以看到一條較完整的安全鏈：

1. 評估先進及代理式 AI，並測試其跨語言表現。
2. 交流技術發現、治理做法及測試經驗。
3. 控制存取，對具較高風險的模型實施分級使用限制。
4. 回應漏洞，透過負責任披露、修補、多重要素驗證及權限管理降低風險。
5. 制定政策，界定前沿系統何時、如何才能用於敏感環境。

這正是這份 MOU 的意義所在。它不會單靠一紙協議就讓前沿 AI 變得安全，也沒有消除 Claude Mythos 所揭示的風險；它真正嘗試做的，是把技術評估、存取治理與日常網路安全實務連結起來。

在 AI 能力不斷突破的時代，「做得到」不等於「已準備好使用」。新加坡與微軟的合作，正是希望在前沿系統進入公共服務、基礎設施或其他敏感場景之前，先建立足夠安全、可靠、穩健且可問責的使用條件。

多語言測試的重要性在於，模型的防護機制不一定能在不同語言、語氣、文化脈絡或表達方式下維持相同效果。相同的惡意意圖，可能透過不同語言或地方化用語呈現；如果只用單一語言測試，便可能低估風險。

代理式 AI 則帶來另一層挑戰。這類系統不只是回答問題，還可能自行規劃步驟、呼叫工具或執行工作流程。因此，評估不能只看單次回答是否準確，也要檢查系統獲准執行哪些操作、如何處理模糊指令，以及技術控制能否阻止有害或意外行動。

目前公開資料描述的是研究與評估合作，並沒有宣布某個特定模型將在新加坡部署。

2. 分享知識、治理框架與最佳實務

雙方也計畫交流相關資訊、治理框架及最佳實務，讓技術測試結果能夠連接到實際營運決策：哪些風險必須測試、應採用什麼門檻、誰可以存取模型，以及發現重大弱點後應如何處理。

這比單純比較模型在基準測試中的表現更進一步。一個模型即使在能力評測中表現亮眼，如果存取權限、監控機制、漏洞披露流程或人工監督安排不足，仍未必適合用於公共服務或關鍵基礎設施環境。

3. 研究前沿模型的「可信存取」政策

MOU 的第三個重點，是探索前沿模型可信存取的政策方法。基本概念是分級、受控的使用：高能力模型可以供合資格的研究或防禦性工作使用，但不能在缺乏相應防護的情況下被廣泛開放。

換句話說，模型的存取權不應只由「能不能使用」二分，而應根據能力與風險決定誰能使用、能做什麼、在什麼環境中使用，以及由誰負責監督。

Claude Mythos 為何值得關注？但不能說它促成了這份 MOU

Anthropic 的 Claude Mythos Preview，提供了一個前沿 AI「一體兩面」的案例。Anthropic 表示，該公司與約 50 個 Project Glasswing 合作夥伴使用這個受限模型，在具系統重要性的軟體中找出超過 1 萬個高或嚴重等級漏洞。Anthropic 亦表示，Mythos 能在主要作業系統與瀏覽器中辨識並利用漏洞，包括零日漏洞。

這種能力可以用於防禦性資安工作，例如協助研究人員在犯罪者之前找出軟體弱點；但若模型被廣泛公開，或缺乏嚴格控制，同樣可能縮短從發現漏洞到發動攻擊的時間。因此，Anthropic 選擇透過 Project Glasswing 限制 Mythos 的使用，而不是向大眾公開。

不過，現有證據沒有證明 Claude Mythos 直接促成或觸發了 6 月 12 日的新加坡—微軟 MOU。較穩妥的理解是：Mythos 代表前沿 AI 能力快速提升所帶來的風險環境，也說明為什麼系統化評估、受控存取與治理框架日益重要。

這些安全措施在實務上如何運作？

受限存取本身就是一種安全控制

Project Glasswing 只讓一批經過選定的合作夥伴使用 Mythos，讓資安團隊可以研究模型的能力，同時降低模型暴露給不當使用者的風險。

當然，受限存取不是完整的安全系統；它仍取決於合作夥伴審查、使用監控、安全保存、權限管理及負責任披露。但這項做法體現了 MOU 所探討的「可信存取」原則：高風險能力的開放程度，應與其能力和潛在傷害相稱，而不能把所有前沿模型都當成一般公開軟體發布。

發現漏洞後，還必須修補並降低暴露面

找到漏洞只是第一步。新加坡網路安全局（CSA）曾建議機構修補所有重大及高嚴重程度漏洞、在各介面與閘道啟用多重要素驗證，並檢視使用者權限、移除不必要的存取權。

這些措施能在機構調查與修復漏洞期間，降低攻擊者利用弱點的機會。

同時，不能把 Mythos 找到的約 1 萬項漏洞直接描述成「大多已修補」。一項後續評估指出，當中有 1,596 項已向維護者披露，但只有 97 項有修補紀錄。這不代表 Project Glasswing 沒有防禦價值，但對於「許多漏洞已經修復」的說法，仍應保持謹慎。

這裡的重點不只是模型本身，而是完整的作業流程：辨識風險、負責任地披露、排定修補優先順序，並在修復尚未完成時降低系統暴露程度。

微軟在其中扮演什麼角色？哪些事情尚未獲 MOU 證實？

微軟擁有前沿模型開發、企業級基礎設施，以及在實際環境中評估 AI 系統和管理模型存取的經驗。可是，這份 MOU 公開說明的範圍並不局限於某個微軟模型，而是涉及一般前沿模型的安全測試方法與可信存取框架。

現有資料不足以證實以下內容是新加坡—微軟 MOU 的正式承諾：微軟自有 MAI 模型的具體安排、透過 Azure AI Foundry 存取 OpenAI 或 Anthropic 模型的安排，以及微軟與英國 AI 安全研究所（UK AI Security Institute）或美國 AI 標準與創新中心（US Centre for AI Standards and Innovation）的類似協議。

因此，這些細節不應被當成該份 MOU 已經確認的內容。

更大的目標：建立可信任的 AI 生態系

把合作內容串起來，可以看到一條較完整的安全鏈：

1. 評估先進及代理式 AI，並測試其跨語言表現。
2. 交流技術發現、治理做法及測試經驗。
3. 控制存取，對具較高風險的模型實施分級使用限制。
4. 回應漏洞，透過負責任披露、修補、多重要素驗證及權限管理降低風險。
5. 制定政策，界定前沿系統何時、如何才能用於敏感環境。

這正是這份 MOU 的意義所在。它不會單靠一紙協議就讓前沿 AI 變得安全，也沒有消除 Claude Mythos 所揭示的風險；它真正嘗試做的，是把技術評估、存取治理與日常網路安全實務連結起來。

在 AI 能力不斷突破的時代，「做得到」不等於「已準備好使用」。新加坡與微軟的合作，正是希望在前沿系統進入公共服務、基礎設施或其他敏感場景之前，先建立足夠安全、可靠、穩健且可問責的使用條件。