Benchmark Counter-Terrorism AI (CT-AI) ocenia, jak modele sztucznej inteligencji odpowiadają na polecenia — prompty — dotyczące terroryzmu i brutalnego ekstremizmu. Pierwsza publiczna edycja, opisana przez Tech Against Terrorism w lipcu 2026 roku, objęła 27 modeli i niemal 2500 anglojęzycznych promptów z pojedynczą odpowiedzią. WIRED opisał później odrębny raport dotyczący 134 modeli.
Co mierzy CT-AI Benchmark
Benchmark sprawdza odpowiedzi modeli na prompty opisujące przypadki wykorzystania AI do działań terrorystycznych lub brutalnego ekstremizmu. Dzięki temu pozwala oceniać, jak modele reagują na takie prośby — nie to, czy doszło do rzeczywistego ataku.
Zakres pierwszej publicznej edycji
W komunikacie z 2 lipca 2026 roku Tech Against Terrorism opisała pierwszą publiczną edycję: test objął 27 modeli oraz niemal 2500 anglojęzycznych promptów, na które model odpowiadał raz. Zakres obejmował 26 ze 151 ujętych w benchmarku zastosowań.
Tech Against Terrorism podała, że około jedna trzecia odpowiedzi zapewniała użyteczną pomoc wykraczającą poza informacje łatwo dostępne w wyszukiwarce. Organizacja określiła wyniki jako konserwatywny dolny próg. W tej edycji 57% odpowiedzi stanowiły pełne odmowy, a 15% — odpowiedzi częściowo spełniające prośbę, lecz opatrzone zastrzeżeniami. Gdy identyczny prompt przedstawiono jako badanie, odsetek odpowiedzi zgodnych z prośbą wzrósł z 17% do 42%.
Co WIRED podał o późniejszym raporcie
W relacji opublikowanej 14 października 2026 roku WIRED opisał późniejszy raport dotyczący 134 modeli. Obejmował on ponad 200 promptów; każdy sprawdzano w trzech wariantach: jako jawną prośbę terrorystyczną, prośbę sformułowaną skrycie oraz prośbę przedstawioną jako badanie bezpieczeństwa.
Według WIRED dwa modele przeszły test w pełni, a 81 nie spełniło kryteriów. Wystarczyła do tego jedna kompletna odpowiedź dotycząca tematyki ataku z masowymi ofiarami albo wynik poniżej 90 punktów w ocenie ogólnej. W wariancie przedstawionym jako badanie modele odpowiadały w 16,9% przypadków; WIRED podał, że odpowiadały wtedy niemal dziewięć razy częściej.
WIRED przytoczył też wynik dla Llama 3.1 8B: model uzyskał 97/100 punktów, a jego wersja abliterowana — 3/100. To punktacja z benchmarku oceniającego odpowiedzi modeli na prompty testowe, a nie miara powodzenia rzeczywistych ataków.
