Galvanize 3.1
一个多语言分类器,用于标记智能体读取的文本中的提示注入,包括工具输出、网页、文档、电子邮件和 MCP 工具描述。其权重以 Apache-2.0 许可在 Hugging Face 上开放。自 2026 年 11 月 16 日起,它是所有套餐中 zn API 背后的模型;在 Pro、Scale 和 Team 套餐上,你可以通过请求中的 model 字段选择 Galvanize 3。zn-gate 只会向云端发送供检查的提示词,并且仅在你开启云端时才发送;在你的本机上,zn-gate 使用确定性规则。
模型卡
| 任务 | 二分类:是否为提示词注入。它不生成文本。 |
|---|---|
| 基础模型 | 在 Galvanize 3 的基础上继续训练,而 Galvanize 3 由 Horizon-Labs/prompt-injection-guard-small(Apache-2.0)微调而来 |
| 规模 | 约 140M 参数 |
| 输入 | 每次读取 512 个 token;API 会按重叠窗口对更长的输入打分。如果你自行运行模型,请将更长的输入分块 |
| 语言 | 多语言。各语言的结果以及尚未测试的语言,见 Hugging Face 模型卡 |
| 阈值 | 自行运行模型时由你来选择;模型卡展示了如何将分数转换为判定结果 |
我们如何评估
我们保留了一个从不用于训练的私有测试集。只有在该测试集上测得、并附有日期、数据集和生成结果的脚本的检出率,才会发布到本站。Galvanize 3.1 和 Galvanize 3 没有在这个测试集上训练过,但我们用它来挑选模型,因此请将这些数字视为开发阶段的结果。
在我们私有的测试集(3,309 条多语言样本)和 658 篇长篇正常文档集上的结果:
各模型在其生产阈值下的表现:Galvanize 3.1 为 0.9017,Galvanize 3 为 0.9802,Galvanize 2 为 0.662,Galvanize-60M 为 0.95。Hugging Face 上 benchmark/ 文件夹中的 Galvanize 2 公开基准测试可以用其脚本重新运行。 发布文章中的评测方法 · Galvanize 2 公开基准 ↗
弱点与检测范围之外的内容
- 它只是一层防护,不是保证。它仍会漏掉部分攻击,因此请让智能体的工具保持最小权限。
- 对于间接和结构化的注入,例如隐藏在文档或数据中的指令,Galvanize 3.1 比 Galvanize 3 检出得更多,但检测仍然并不完美。
- 它比 Galvanize 3 标记出更多无害的短文本:在发布测试中为 1.9%,而 Galvanize 3 为 0.6%。在 Pro、Scale 和 Team 套餐上,你可以通过请求中的 model 字段选择 Galvanize 3。
- 在 PromptShield 上,当误报预算严格限定为 1% 时,Galvanize 3 检出的攻击比 Galvanize 3.1 更多。
- 如果你自行运行该模型,每次推理只会对输入的前 512 个 token 打分:请将较长的输入拆分为多个块。API 会自动以滑动窗口方式对超过 2,000 个字符的输入进行评分。
- 它孤立地为每段文本打分:无法判断某条指令对特定用户或任务是否合理;分散在多次工具调用中、或藏在图片、音频、二进制文件里的攻击不在检测范围内。
- 结果因语言而异,而大多数公开基准以英语为主。
- 它不是内容过滤器(不做毒性、仇恨言论或话题审核),也不保护你的密钥:那是 zn-gate 密钥脱敏的工作。
- 阈值越低,检出越多,误拦的正常文本也越多;阈值越高则相反。
早期版本:Galvanize 3、Galvanize 2 和 Galvanize-60M
Galvanize 3 在 2026 年 10 月 23 日至 11 月 16 日期间是 zn API 背后的模型,在 Pro、Scale 和 Team 套餐上你仍然可以选择它。Galvanize 2 在 2026 年 10 月 12 日至 23 日期间是该模型,在此之前则是 Galvanize-60M。现在,当主模型不可用时,Galvanize-60M 会作为自动后备模型,使用其自身的阈值 0.95。这三个模型的权重都以 Apache-2.0 许可保留在 Hugging Face 上。2026 年 9 月 Galvanize-60M 发布文章中的数字来自第一方基准测试,而不是我们的留出测试集;上方的对比取代了那些数字。
使用 Galvanize 3.1
下载 Galvanize 3.1 权重并自行运行,或使用可选的 zn Cloud 检查,它运行的是同一个模型。