思科釋出大模型安全排行榜：Anthropic 包攬前十中的八席

把 AI 放進企業內部跑業務，就像招了一批精明但來路不明的實習生，你給他們開了資料庫許可權，卻不知道哪天一句套話就會讓他們把底褲吐出來。

為了摸清誰家模型最經得起忽悠，思科在 3 月 23 日釋出了一份免費的 LLM 安全排行榜。結果有點一邊倒：Anthropic 一家霸佔了前十名裡的八個席位。

榜單前三被 Claude 家族徹底包攬，Claude Opus 4.5 拿下第一，緊隨其後的是 Sonnet 4.5 和 Haiku 4.5。相比之下，OpenAI 只有 GPT-5.2 和 GPT 5 Nano 擠進了前十，分別排在第七和第九。

榜單墊底的表現就比較尷尬了。Mistral 的 Magistral Small 2509 和 Ministral 3 14b Instruct 直接排在最後兩名，倒數前十里還出現了 DeepSeek、Cohere、Qwen 和 xAI 的身影。

測的不是單次挑釁，而是多輪車輪戰

以往很多安全測試只測單輪越獄，也就是丟一句刁鑽的提示詞看 AI 接不接招。思科這次換了打法，把重點放在了多輪對話攻擊上。

思科 AI 威脅情報與安全研究主管 Amy Chang 解釋說，真實世界裡的攻擊者很少一上來就攤牌，而是會通過長對話一步步消磨模型的防禦底線。多輪測試更能反映駭客在現實裡的套路。

這次測試沒有任何場外求助。思科完全沒有給參評模型疊加額外的外掛防護欄或安全過濾規則，比的就是模型自身的內功。

思科披露的調研資料顯示，83% 的企業正計劃部署 Agent 智慧體，但只有 29% 的企業覺得自己做好了安全準備。企業急著讓 AI 去接管核心業務，安全防線卻根本沒跟上。

為了減少偏見爭議，思科不僅公開了排行，還把背後的評估框架和測試方法全掛到了網上，任何人都能查閱。

為什麼重要

如果你正準備給內部系統接入 Agent，尤其是要讓 AI 讀寫資料庫、呼叫介面，這個榜單可以說是及時的降溫劑。

我們認為，Anthropic 在這輪評測裡的大勝，說明他們死磕 Constitutional AI 和對齊技術確實砸出了護城河。以前大家總覺得安全訓練會讓模型變笨，或者只要在前端套層過濾網就行，但面對長程多輪誘導，模型底層的骨頭硬不硬一下子就現形了。

對普通開發者和企業選型來說，便宜或開源的小模型確實適合做日常問答，但在把關鍵許可權交給 AI 之前，拿來當核心大腦的代價可能遠超省下來的 Token 費。

更關鍵的改變在行業層面。以前像微軟這樣的巨頭，只會在自家的企業服務後臺裡給模型打分，屬於小圈子的內部參考。思科直接把成績單公開放到聚光燈下，等於逼著排在後面的廠商去補課。當企業買單時開始拿著這份榜單挑挑揀揀，不管是 Mistral 還是其他開源陣營，就都不能只顧著刷推理跑分而忽視安全底座了。