FAR AI发布大模型安全榜单：部分模型防线易被攻破

AI 安全研究机构 FAR.AI 发布了首个系统性评估前沿大模型抗越狱能力的 AI Security Leaderboard。该榜单通过 1500 次自动化测试评估各模型的安全护栏强度。结果显示，OpenAI 与 Anthropic 的模型在安全鲁棒性上处于领先梯队，部分模型甚至从未被攻破。然而，也有部分模型的安全防线极为脆弱，仅需花费不到 300 美元的成本就能被成功越狱。该基准测试填补了大模型安全领域缺乏统一评估标准的空白。

2026-07-30 ~ 2026-07-31 · 4 条相关

• Far.ai 发布 AI 安全排行榜：1500 次越狱测试模型防御力 — ARGleave · 2026-07-30
• FAR AI 安全榜单：部分模型花不到 300 美元即可越狱 — AndyMasley · 2026-07-30
• FAR.AI发布前沿大模型越狱排行榜：OpenAI与Anthropic安全性领先 — S_OhEigeartaigh · 2026-07-30
• FAR.AI 发布 AI 安全榜单：多数大模型防线轻易被攻破 — The Cognitive Revolution · 2026-07-31