OpenAI 与 Anthropic 产品负责人隔空交锋：提示词注入防护成焦点

Claude Code 负责人 Boris Cherny 发帖称，GPT-6 Astra 的提示词注入防护已经与 Gemini Flash、Claude Opus 4.8「差不多」。他同时表示，Claude 模型约两个月前已在实践中解决了这一问题。

提示词注入是指将恶意指令隐藏在网页、文档等内容中，诱导 Agent 泄露数据或执行危险操作。

Boris 还称，公开评估并点名其他实验室，是推动其训练出更安全模型的有效方式，并表示会继续这样做，直到其他实验室更加重视安全。

该帖随后被 X 添加 Community Note 反驳。Gray Swan 的独立评测显示，没有任何受测模型能够完全免疫提示词注入，Claude 同样存在攻击成功案例。另一名安全研究员还使用特制网页攻击 Claude Code Opus 5 Auto Mode，在小规模测试中取得 60%–80% 的成功率。

OpenAI 核心产品负责人 Thibault Sottiaux 随后以类似句式回应称，他也很高兴看到 Claude Code 新推出的后台电脑操作终于追上 Codex，「而且是我们今年 5 月的版本」。

Boris 后来承认，原帖语气「比自己想要的更阴阳」，并强调自己确实是在肯定 Astra 的进步。他同时澄清，所谓提示词注入已经「解决」，指的是 Claude 模型、注入检测机制与 Auto Mode 组合后的产品效果，并不意味着模型本身已经免疫。