AI安全非营利机构FAR.AI近日发布前沿模型安全排行榜，结果显示xAI的Grok 4.5在测试中暴露448个通用越狱路径，远高于谷歌Gemini 3.1 Pro的249个，而Anthropic的Claude系列与OpenAI的GPT-5.6等模型则未发现有效越狱案例。测试工具通过自动生成上千变体提示，诱导模型输出网络攻击计划、化学武器细节等有害内容，破解Grok仅需约60美元，Gemini则约280美元。[[1]](https://www.wired.com/story/jailbreaking-ai-models-google-anthropic-openai-spacexai/)
此次测试覆盖多家美国前沿模型，凸显安全护栏强度差异。Grok作为xAI/SpaceXAI主推产品，在开放与速度定位下，防御能力明显落后于闭源对手。低成本破解意味着恶意行为者可快速利用，放大AI滥用风险。
与此同时，开放权重模型在中国快速迭代，美国闭源路线正面临安全与可及性的双重压力。FAR.AI榜单首次量化展示“最弱一环”效应，提示行业需在能力竞赛中同步强化防护机制。[[2]](https://leaderboard.far.ai/)
下一步值得跟踪：各公司是否会针对性升级护栏，以及开源与闭源阵营在安全基准上的后续对决。
信源：https://www.wired.com/story/jailbreaking-ai-models-google-anthropic-openai-spacexai/
https://leaderboard.far.ai/