核心摘要
Anthropic 在其最新发布的 Claude Opus 5 系统卡中披露，该模型在浏览器智能体场景下几乎完全免疫提示词注入攻击，在 129 项测试场景中无一被攻破。这一成果直接回应了业界长期以来的安全痛点——OpenAI 去年 12 月曾公开承认，提示注入可能永远无法被完全解决。
正文解读
提示注入被视为 AI 代理面临的最严重安全漏洞，攻击者通过在网页中嵌入隐藏文字等被操纵的输入内容，绕过模型指令执行恶意操作。在安全公司 Gray Swan 的通用提示注入基准测试中，经过 15 次攻击后，Opus 5 的成功率仅为 2.0%，大幅优于前代 Opus 4.8 的 5.5%，也领先于 Mythos 5 的 2.6% 和 Fable 5 的 2.8%。
值得注意的是，零攻击率的成果仅在开启 Auto Mode 的 Claude Cowork 等产品中实现。这一突破标志着 AI 代理安全性正在从「持续修补」的传统思路迈向「结构性防御」的新阶段，对于 AI 代理在金融、医疗等高风险场景的落地具有重要意义。
原创文章，作者：admin，如若转载，请注明出处：https://www.23btc.com/204475/
