Anthropic 公布 Claude 在 ExploitBench 上的安全评测结果
TheZvi · x · 2026-07-25
Anthropic 在 ExploitBench 上公布 Claude 表现
帖子分享了 Anthropic 在 ExploitBench 上的最新结果。这个基准主要用于衡量模型在利用链、沙箱逃逸等安全场景中的表现。
图表里对比了几款 Claude 模型，重点结论是：
- Claude Opus 5 在所列模型里 AutoNudge Mean 最高
- Claude Opus 5 的 AutoNudge Cap% 和 Full ACEs 也最高
- 更旧或更小的 Claude 版本在这些指标上明显更低
图注还说明，这组测试是在多个环境和多次 trial 下跑出来的；其中 Full ACEs 指能实现完整利用、达成任意代码执行的攻击结果。
「安全」频道最新
- 生产级 AI Agent 常规评测 95% 稳健，遭定向攻击后跌至 37% — njyx · 2026-10-27
- Anthropic IPO 文件披露:违规客户贡献 5%-7% 营收,至少 8.14 亿美元 — henkvaness · 2026-10-27
- 限制模型做逆向工程和漏洞研究，惩罚的恰恰是守规矩的白帽 — mark_k · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27
- 程序员警告:模型「消融版」将冲击软件供应链,千级依赖无人设防 — nitarshan · 2026-10-27
- 摩根大通 CEO：Anthropic 模型上线后我行网络风险暴增 10 倍 — ChuckDBrooks · 2026-10-27