Anthropic的Opus 5在抵抗提示注入方面表现更佳

图表 很有意思。

在 IPI 基准测试中，Opus 5 相较于 Opus 4.8 有了显著提升：攻击者在 15 次尝试内成功突破的概率从 5.5% 降至 2.0%，而在 1 次尝试时则从 0.5% 降至 0.2%。此外，Opus 5 在 Sonnet 5（k=15 时为 5.9%）和 Mythos 5（2.6%）上也表现优异，成为本次评估中最为稳健的模型。在该基准测试中，Opus 5 的性能同样超越了所有非 Claude 模型。其中，最稳健的非 Claude 模型是 Muse Spark，其在 15 次尝试内的成功率高达 16.5%，远超 Opus 5 的成功率（8 倍以上）。而功能最强的 GPT 5.6 变体 Sol，其与前代 GPT 5.5 的表现相当（15 次尝试内的成功率分别为 20.0% 和 20.8%），且相较于 Claude Opus 5，在 15 次尝试内成功被攻击的概率仅为 2.0%，低至其 10 倍。其他 GPT 5.6 变体的性能则相对逊色，Terra 的成功率仅为 30.4%，Luna 的成功率则为 43.9%。针对 GPT 5.6 Sol 的单次尝试中，有 3.1% 的概率能够成功，这一成功率高于攻击者在 15 次尝试后对 Opus 5 所取得的 2.0% 成功率。

我们知道，在一般情况下，防止提示注入的关键在于 不可能的。但在特定场景下，我们的防护能力已经得到了大幅提升。