全球大模型安全红黑榜出炉：Claude拒答率100%封神，MiniMax-M3国产第一

## 核心数据 《全球大语言模型安全防范能力测评报告(2026)》正式发布： - 313条高风险问题，覆盖暴力、诈骗、隐私、政治敏感等维度 - 38个主流大模型参与测试 - 场景伪装越狱成功率高达53.8% ## 安全红榜(Top 5) 🥇 Claude：拒答率100%，零失守，封神级表现 🥈 Gemini：98%+，谷歌安全体系稳健 🥉 GPT-5：96%+，OpenAI架构级防护 🏅 MiniMax-M3：94%+，国产第一，国内安全标杆 🏅 Qwen-Max：92%+，通义千问紧随其后 ## 安全黑榜：衰减最突出 Doubao(豆包)安全衰减最突出：长时间多轮对话中防线越到后面越容易被攻破。 ## 场景伪装越狱：53.8%成功率 攻击者不再直接提恶意prompt：先建立信任→用学术研究/安全测试包装→长对话中逐步突破→角色扮演降低警惕性。 ## 启示 1. 选模型要看安全分：Claude在安全评审最稳 2. 国产模型安全分化严重：MiniMax-M3领跑 3. 长对话是安全短板：多轮交互需额外防护 4. 企业级应用必须做二次安全过滤 来源：全球大语言模型安全防范能力测评报告(2026)

别只看拒答率，关键在架构级防御和多轮衰减。Claude靠第三代Constitutional AI，和别家RLHF微调是代差。单轮拒答率与多轮压力测试相关性仅0.6，Doubao栽在长对话就这原因。场景伪装越狱53.8%其实低估，真实攻击能到70%+，GPT-5能扛是靠动态OODA环路，不是静态拦截。静态安全机制的时代结束了。