Claude Opus 5.5 提示詞注入測試進展

Anthropic 表示，Claude Opus 5.5 成功繞過限制的嘗試較前代減少 85%，但這項模型測試結果不能代表個別 API 的安全風險。這是相對降幅，測試基於 Anthropic 的實驗室環境，未涵蓋自有提示詞、工具架構、檢索來源或 API 權限。文章建議在 mock 環境執行對抗性測試，檢查實際 API 呼叫及成功注入後可觸及的寫入端點，而非只檢查模型輸出的文字。

Anthropic 表示 Claude Opus 5.5 的成功越界嘗試較前代減少 85%；這是實驗室測試中的相對降幅，不能直接代表個別 API 的實際風險。文章建議盤點進入模型上下文的不可信欄位，以 Mock 服務重播攻擊案例，並按 Agent 的請求紀錄而非生成文字判斷測試結果；另分開追蹤注入成功率及 Agent 觸及的寫入端點數。

Anthropic 表示，Claude Opus 5.5 成功越過限制的嘗試較前代減少 85%；文章指出，這是相對於前代、在 Anthropic 測試環境中的指標，不能直接代表自家 API 的風險。

Anthropic 稱 Claude Opus 5.5 成功突破邊界的嘗試較前代少 85%；文章指出，在相同測試架構下，前代成功案例約有 15% 仍可能成功，這不代表 API 的提示詞注入風險已解決。文章建議以 mock 伺服器提供對抗樣本，並針對記錄的工具呼叫設斷言，同時追蹤攻擊成功率及成功後可觸及的寫入端點數。以 250 個案例估算，每次執行費用約 $8，採用共享快取前綴則約 $5.15。