据 动察 Beating 监测，Anthropic 在 Claude Opus 5 系统卡中披露，该模型在浏览器智能体场景中几乎免疫提示词注入攻击，在 129 项测试场景中无一被攻破。这一突破意义重大，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。在安全公司 Gray Swan 的通用提示注入基准测试中，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%。

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。零攻击率仅在开启 Auto Mode 的 Claude Cowork 等产品中实现。这一成果标志着 AI 代理安全性从「持续修补」迈入「结构性防御」阶段。

点击下方原文链接，加入动察 Beating · 飞书 AI 新闻渠道，7×24 小时不间断监测全球 AI 热点与新闻。