@lqiao: 这正是我们坚信定制化的原因。简要背景：Factory最初的秘密扫描器是确定性的，所以……

X AI KOLs Timeline 产品
secret-detection post-training small-models autonomous-engineering factory droid-shield fireworks

摘要

Factory的Droid Shield 2.0使用两个小型后训练模型进行秘密检测，在此任务上超越GPT-5.5和Opus 4.8，同时速度更快、成本更低。

这正是我们坚信定制化的原因。 简要背景：Factory最初的秘密扫描器是确定性的，因此它要么标记了实际上并非秘密的内容（误报），要么错过了不匹配其模式的秘密（漏报）。 他们的解决方案很优雅：两个小型后训练模型——一个用于捕获漏报的秘密，另一个用于过滤误报。 结果：这些模型在此特定任务上优于GPT-5.5和Opus 4.8，同时成本和延迟仅为其一小部分。 这正是我们的理念在实践中的体现：选择一个强大的开源模型，针对特定的生产问题进行后训练，你就能构建出比前沿模型更快、更便宜、更胜任该任务的解决方案。 祝贺@FactoryAI。很自豪他们在@FireworksAI_HQ上构建了Droid Shield 2.0。
查看原文
查看缓存全文

缓存时间: 2026/07/01 18:12

这也正是我们坚信定制化的原因。

简要背景：Factory 最初使用的秘密扫描器是确定性的，因此它要么标记出实际上并非秘密的内容（误报），要么漏掉不符合其模式的秘密（漏报）。他们的解决方案很巧妙：使用两个小型后训练模型——一个用于捕捉遗漏的秘密，另一个用于过滤掉误报。

结果是：这些模型在特定任务上超越了 GPT-5.5 和 Opus 4.8，同时运行成本和延迟仅为其零头。

这正是我们论点的实际体现：拿一个强大的开源模型，针对特定生产问题进行后训练，你就能构建出比前沿模型更快、更便宜、更优秀的解决方案。

恭喜 @FactoryAI。很自豪他们在 @FireworksAI_HQ 上构建了 Droid Shield 2.0。

Factory（@FactoryAI）： 推出 Droid Shield 2.0：基于学习的秘密检测，实现更安全的大规模自主工程。

相似文章

@ashwingop: https://x.com/ashwingop/status/2065080505113125105

X AI KOLs Timeline

Sentra的Code Memory系统将GPT-5.5在Terminal-Bench 2.1上的性能提升至88.31%，而成本仅为四分之一，超越了Anthropic受限的Mythos 5模型。该记忆层减少了52%的输入Token，成本降低了72.6%，同时提升了任务成功率。