OpenAI、Anthropic产品负责人互相阴阳：你家模型也就刚追上我家

动察 Beating AI 快讯，Claude Code 负责人 Boris Cherny 发帖称，GPT-6 Astra 的提示词注入防护已经和 Gemini Flash、Claude Opus 4.8「差不多」，还顺手夸了自家 Claude 模型大约两个月前已「在实践中解决」这个问题。提示词注入就是把恶意指令藏进网页、文档等内容，诱导 Agent 泄露数据或执行危险操作。 Boris 还称，公开评估并点名其他实验室，是推动它们训练出更安全模型的好办法，「我们会继续这样做，直到其他实验室更加重视安全」。 帖子很快被 X 加上 Community Note 反驳。Gray Swan 的独立评测显示，没有任何受测模型完全免疫提示词注入，Claude 同样存在攻击成功案例。另一名安全研究员还用特制网页攻击 Claude Code Opus 5 Auto Mode，在小规模测试中取得 60%–80% 的成功率。 OpenAI 核心产品负责人 Thibault Sottiaux 随后直接照着 Boris 的句式反写了一遍。他称自己也很高兴看到 Claude Code 新出的后台电脑操作终于追上 Codex，「而且是我们今年 5 月的版本」。 Boris 后来承认，原帖「比自己想要的更阴阳」，强调自己确实是在认真肯定 Astra 的进步。他同时澄清，所谓提示词注入已经「解决」，指的是 Claude 模型、注入检测机制和 Auto Mode 组合起来后的产品效果，不是模型本身已经免疫。