用 CTF 话术即可让 Claude 写漏洞利用，护栏绕过引营销质疑
cedric_chee · x · 2026-09-18
有研究者称将 Claude Opus 置于自主目标循环中，通过代理将其自有 Discourse 实例伪装成 CTF 靶场，从而让原本拒绝为远程实例写漏洞利用代码的模型乖乖照做。
- 作者指出这是「换个提示框架就能绕过安全护栏」的又一例证
- 并借此质疑此前 HackerOne 事件与让 GLM 扮演防御方的展示更像是一场营销操作
所属事件:CTF 话术可绕过 Claude Opus 安全护栏(2 条相关)→
「模型」频道最新
- shadcn 谈 Opus：代码「品味」无法靠短期 benchmark 验证 — shadcn · 2026-11-04
- 用户吐槽 Claude「Ultrafast」模式：限额度烧得快 8 倍，不如推出省额度的 flex 速度档 — Lucky_Creme_5208 · 2026-11-04
- OpenAI 撤销 Codex 逆向工程禁令,与 Anthropic 安全路线渐行渐远 — AccBalanced · 2026-11-04
- Haiku 也能做出 Opus 级动画?作者实测称看不出明显差距 — Lazar988 · 2026-11-04
- Mistral Large 4 实测：133 个 agent 挖出并修复 Django CVE 漏洞 — MistralAI · 2026-11-04
- 谷歌联合 Mercor 发布工程基准 PLE,85 项任务全部前沿模型低于 50% — teortaxesTex · 2026-11-04