思科发布大模型安全排行榜：Anthropic 包揽前十中的八席

把 AI 放进企业内部跑业务，就像招了一批精明但来路不明的实习生，你给他们开了数据库权限，却不知道哪天一句套话就会让他们把底裤吐出来。

为了摸清谁家模型最经得起忽悠，思科在 3 月 23 日发布了一份免费的 LLM 安全排行榜。结果有点一边倒：Anthropic 一家霸占了前十名里的八个席位。

榜单前三被 Claude 家族彻底包揽，Claude Opus 4.5 拿下第一，紧随其后的是 Sonnet 4.5 和 Haiku 4.5。相比之下，OpenAI 只有 GPT-5.2 和 GPT 5 Nano 挤进了前十，分别排在第七和第九。

榜单垫底的表现就比较尴尬了。Mistral 的 Magistral Small 2509 和 Ministral 3 14b Instruct 直接排在最后两名，倒数前十里还出现了 DeepSeek、Cohere、Qwen 和 xAI 的身影。

测的不是单次挑衅，而是多轮车轮战

以往很多安全测试只测单轮越狱，也就是丢一句刁钻的提示词看 AI 接不接招。思科这次换了打法，把重点放在了多轮对话攻击上。

思科 AI 威胁情报与安全研究主管 Amy Chang 解释说，真实世界里的攻击者很少一上来就摊牌，而是会通过长对话一步步消磨模型的防御底线。多轮测试更能反映黑客在现实里的套路。

这次测试没有任何场外求助。思科完全没有给参评模型叠加额外的外挂防护栏或安全过滤规则，比的就是模型自身的内功。

思科披露的调研数据显示，83% 的企业正计划部署 Agent 智能体，但只有 29% 的企业觉得自己做好了安全准备。企业急着让 AI 去接管核心业务，安全防线却根本没跟上。

为了减少偏见争议，思科不仅公开了排行，还把背后的评估框架和测试方法全挂到了网上，任何人都能查阅。

为什么重要

如果你正准备给内部系统接入 Agent，尤其是要让 AI 读写数据库、调用接口，这个榜单可以说是及时的降温剂。

我们认为，Anthropic 在这轮评测里的大胜，说明他们死磕 Constitutional AI 和对齐技术确实砸出了护城河。以前大家总觉得安全训练会让模型变笨，或者只要在前端套层过滤网就行，但面对长程多轮诱导，模型底层的骨头硬不硬一下子就现形了。

对普通开发者和企业选型来说，便宜或开源的小模型确实适合做日常问答，但在把关键权限交给 AI 之前，拿来当核心大脑的代价可能远超省下来的 Token 费。

更关键的改变在行业层面。以前像微软这样的巨头，只会在自家的企业服务后台里给模型打分，属于小圈子的内部参考。思科直接把成绩单公开放到聚光灯下，等于逼着排在后面的厂商去补课。当企业买单时开始拿着这份榜单挑挑拣拣，不管是 Mistral 还是其他开源阵营，就都不能只顾着刷推理跑分而忽视安全底座了。