Linux.do 论坛一位用户发帖讨论各主流模型生成 PPT 的实际可用性。发帖人表示，Claude Opus 5.5 制作的 PPT 基本达到直接可用的水平，是其体验中审美表现最好的模型。然而该用户需要为网络安全方向的学术论文准备 presentation 时，Claude 以内容涉及网络安全为由触发安全机制，拒绝生成相关内容。发帖人还测试了 OpenAI 的 Codex，评价其 PPT 产出质量远未达到可用程度，随后向社区征询其他可用的模型或替代方案。这一讨论折射出当前 AI 应用的两个现实问题：其一，模型在 HTML/CSS 类前端生成任务上的能力差异明显，直接影响 PPT、网页等可视化产出的质量，用户往往需要针对不同任务在多个模型间切换；其二，安全对齐机制存在过度拦截现象，网络安全领域的学术研究与成果展示属于正当需求，却容易被模型误判为恶意用途而遭拒绝，干扰专业用户的正常工作流。该帖引发社区对替代模型选择与规避方法的讨论，也反映出专业用户对模型在垂直场景中稳定可用的迫切需求。
事件分析
从技术角度看，AI 生成 PPT 本质上是 HTML/CSS 代码生成任务，模型的代码能力与视觉审美组合决定了产出质量，这正是 Claude 系列模型口碑较好的相对优势区间，而 Codex 在该任务上的表现说明不同模型的能力分布并不均衡。网络安全主题被拒则暴露了安全对齐中的’过度拒绝’（over-refusal）问题：渗透测试、漏洞分析等学术内容与攻击性技术表述边界模糊，安全分类器倾向于保守拦截，误伤正当的科研与教学需求。可能的应对路径包括调整提示词措辞规避触发词、改用安全策略较宽松的模型、或将内容拆分分步生成。对行业而言，这一案例说明模型评测正从通用基准转向垂直场景实测，安全机制与专业用户需求之间的平衡仍是大模型厂商待解的工程难题。
核心观点：安全对齐的过度拦截正成为专业用户的隐性成本，能力最强与真正可用之间隔着一道安全过滤器。
原文链接：Linux.do
