FAR.AI发布前沿大模型越狱排行榜：OpenAI与Anthropic安全性领先
S_OhEigeartaigh · x · 2026-07-30
AI安全研究机构 FAR.AI 发布了一项关于前沿大语言模型抗越狱能力的研究与排行榜。研究直观揭示了各家模型在安全鲁棒性上的显著差异。
- 安全梯队：OpenAI 与 Anthropic 的模型展现出较强的防御能力，整体安全性领先。
- 风险梯队：Google 的 Gemini 与 xAI 的 Grok 在面对越狱攻击时相对更容易被突破。
- 行业建议：研究呼吁业界提升整体安全标准，并建议各厂商采用纵深防御策略来强化模型护栏。
所属事件:FAR AI发布大模型安全榜单：部分模型防线易被攻破(4 条相关)→
「模型」频道最新
- 为何 15B 以下开源模型越来越少见？大厂默契卡在 24-27B — Hot_Example_4456 · 2026-10-16
- 网友观察到模型自生成「理想回答」用于训练其他模型 — liminal_bardo · 2026-10-16
- Reflection Beam 501B MoE 登陆 GB200:单用户 463 tok/s — zhyncs42 · 2026-10-16
- 单卡 24GB 跑 Gemma 4 31B QAT：4090 上 46 tok/s，加草稿模型达 80 — Subject_Poet_3861 · 2026-10-16
- JevBench 榜单更新:d1-ultra 以 76.1 综合分登顶,32 个 API 系统参评 — airesearch12 · 2026-10-16
- 5 人团队抱怨 ChatGPT 商业版与个人 Pro 额度不对等、定价不透明 — bettercallfool · 2026-10-16