思科发布了迄今为止最全面的 AI 模型安全基准研究。
研究规模：
- 15 款模型：OpenAI (GPT-5.2, GPT-5.4)、Anthropic (Opus 4.5/4.6, Sonnet 4.5/4.6, Haiku 4.5)、Google (Gemini 3 Pro)、Amazon (Nova Lite/Micro/2 Lite)、xAI (Grok 4.1 Fast)
- 30090 个单轮提示词 + 6986 个多轮攻击
关键发现：
- 多轮攻击成功率：7.89% - 88.30%，差距一个数量级
- Claude 系列：单轮 2.19%-3.64% → 多轮 11.16%-16.20%
- GPT-5.4：单轮 2.74% → 多轮 24.68%（9 倍增长）
- Gemini 3 Pro：单轮 18.10% → 多轮 73.35%（4 倍增长）
- 最低风险：Amazon Nova 2 Lite 仍有 7.89% 多轮攻击成功率
核心结论：
- 单轮攻击成功率不能作为模型安全性的可靠指标
- 多轮攻击下的模型排序与单轮完全不同
- 所有测试模型都表现出不可忽视的多轮攻击风险
来源: Cisco AI Blog
链接: https://blogs.cisco.com/ai/proprietary-problems