AI安全基准：方法、结果与最低标准

FAR.AI发布AI安全基准V1.0，包含67种静态越狱技术及攻击空间组合方法，对Claude Fable 5、GPT-5.6 Sol、Gemini 3.1 Pro和Grok 4.5进行测试。结果显示，Grok 4.5被找到63个通用越狱，Gemini 3.1 Pro有18个，而Claude和GPT未发现通用越狱，攻击成本差异超百倍。

此前公众缺乏对前沿模型防护一致性的量化证据，该基准首次以统一方法论跨模型比较越狱鲁棒性，揭示不同模型防护成本差异高达百倍，为标准制定和模型选型提供客观依据。

基准通过组合67种静态越狱技术构建超大攻击空间，并采用三段漏斗识别通用越狱，即能在超过75%领域目标上引发合规响应的单提示模板；成本指标模拟攻击者支出，未发现通用越狱时采用右删失下限，实现可量化的鲁棒性对比。

该基准为模型安全团队提供可复用的评估工具，可定位防护弱点；产品研发中可参考其技术清单和成本指标优化防御，降低被越狱风险；模型提供商需关注排名差异，否则可能影响企业采购决策。

• 开发基于此基准的自动化安全评估服务，提供模型越狱鲁棒性报告。
• 利用其静态越狱技术库构建内部红队测试用例集，提升模型防御能力。
• 推出成本基准指标工具，帮助用户可视化不同模型的攻击成本与安全性价比。
• 基于结果输出安全认证，辅助模型选型决策，形成差异化竞争力。

• Claude Fable 5和GPT-5.6 Sol未发现通用越狱，是否意味着其防护绝对可靠？
• 基准中的67种静态越狱技术是否覆盖所有已知攻击类型？
• 价格指标$58和$278的假设前提是否适用于大规模攻击场景？
• 该基准是否会被业界采纳为正式标准？