待验证60% 置信基准精确时间
无防护措施的Sonnet 5底层模型对提示注入攻击表现出极强抵抗力，被攻破概率不到1%
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/8
首次发现
有效期至：2026/10/6
来源
Fable 5对决GPT-5.6 Sol：性价比重塑前沿AI格局
bilibili英文白斑马2026/7/3
相关事实
待验证实测者认为Sonnet 5可能是token效率最低的模型，尤其在max effort模式下烧token速度接近Opus但结果更弱72% 相似待验证纯粹基于软件的AI安全护栏存在被越狱攻击绕过的风险，对于触及关键能力阈值的模型延缓部署比仅依赖护栏更审慎66% 相似待验证在同时启用探针和自动模式的情况下，Anthropic的提示注入攻击测试显示攻击成功率降至零64% 相似待验证选择Sonnet 4而非Opus 4做分类器的核心考量是延迟和成本，同时使用不同模型形成异构防御63% 相似待验证对抗训练存在代价：经过强化的模型在干净样本上的准确率通常会下降，且针对某类攻击的加固可能削弱对其他攻击类型的防御61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/248324API
curl https://kongchang.com/api/v1/knowledge/claims/248324MCP
get_claim(id=248324)