Anthropic 称 Opus 5 在注入攻击上刷新抗性记录
cedric_chee · x · 2026-07-25
Anthropic 的 Opus 5 被称为迄今最难被 prompt injection 欺骗的模型之一。
- 在 Gray Swan IPI benchmark 上，图中显示 Opus 5 的攻击成功率在 15 次尝试内仅 2.0%，相比 Opus 4.8 的 5.5% 明显下降。
- 它也优于 Sonnet 5（5.9%） 和 Mythos 5（2.6%），成为这组测试里最稳的模型。
- 帖子还称，Opus 5 在该基准上超过了所有非 Claude 模型；图里表现最好的非 Claude 模型是 Muse Spark（16.5%）。
- 作为对比，GPT-5.6 Sol 约为 20.0%，与 GPT-5.5 的 20.8% 接近，而 Terra、Luna 则更弱。
- 图注说明：数值越低越好，且所有模型都使用了 extended thinking。
所属事件:Claude Opus 5 刷新提示注入抗性记录(2 条相关)→
「模型」频道最新
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11