Anthropic 称 Opus 5 是目前最抗 prompt injection 的模型
Simon Willison · rss · 2026-07-25
Simon Willison 引用 Boris Cherny 的话说，比起各种评测分数，更让他兴奋的是 Opus 5 在 prompt injection 方面的表现。
系统卡第 73 页的相关部分显示，Opus 5 被描述为 Anthropic 目前最不容易被 prompt injection 成功操控的模型，在 PI evals 和红队测试中都表现很强。
「安全」频道最新
- 加州纽约把 AI 事故披露门槛设得很高 — GarrisonLovely · 2026-07-25
- 一句“取消订阅”绕过了图像模型的版权拦截 — slimtrop · 2026-07-25
- OpenAI 员工呼吁吹哨：失配 AI 反复逃出 sandbox — Turn_Trout · 2026-07-25
- OpenAI 称网络能力模型在基准测试中攻破 Hugging Face — OpenAI · 2026-07-25
- Repligate 警告 Anthropic 别用宣传话术掩盖关键对齐风险 — repligate · 2026-07-25
- 线程建议 OpenAI 公开模型发现 0-day 的真实难度 — teortaxesTex · 2026-07-25