Opus 5将提示注入率降至k=15时的2% - Schneier验证了轨迹

在 IPI 基准测试中，Opus 5 将 Opus 4.8 的攻击成功率近乎缩减至三分之一。评估中表现最佳的非Claude模型仍为16.5%。施奈尔强调核心原则：我们无法完全封堵提示词注入，只能让其在统计上变得高昂。

事实

在 Anthropic 发布的 IPI（间接提示注入）基准测试中，Opus 5 声称在 15 次尝试中攻击成功率为 2.0%（而 Opus 4.8 为 5.5%），单次尝试成功率为 0.2%（而 Opus 4.8 为 0.5%）。同系列实验室对比数据：Sonnet 5 为 5.9%（k=15），Mythos 5 为 2.6%。该基准测试中表现最佳的非 Claude 模型 Muse Spark 停滞在 16.5%——超过 Opus 5 的八倍以上。Bruce Schneier 在其 2026 年 7 月 31 日的博客中引用了这些数据，并重申其立场：在一般情况下，阻止提示注入仍然是不可能的，但特定场景下的进展显著。

我们的解读

除厂商公布的数字外，有两点值得关注。第一点：非 Claude 基准线 16.5% 表明，这种攻击向量的差距是真实存在的，而非微不足道——对于将代理暴露于第三方内容（邮件、文档、网页）的企业部署而言，将成功率从 16% 降至 2% 会显著改变漏洞的运营成本。第二点：Schneier 的解读——“特定场景下的进展，而非彻底解决”——是正确的态度。提示注入问题不会被完全解决，但可以使其在统计上变得代价高昂。

待关注项

完整的 IPI 协议（数据集、对手、分类）及第三方可重现的评估。若缺乏这些，2% 的数字只存在于产品营销中，而非 SOC（安全运营中心）的实际数据。