待验证50% 置信基准精确时间

Qwen3-235B 在注入测试中 8 次攻击里 5 次失守，表现最差；Gemini 3.7 Flash、Claude Haiku 5.5 和 Claude Opus 4.5 在 8 次注入攻击中做到零失守

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/11

首次发现

有效期至：2027/1/9

来源

10个大模型都读懂了需求，却有一半越权当裁判

涉及实体

Qwen3-235Bmodel Gemini 3.7 Flashmodel Claude Haiku 5.5model Claude Opus 4.5model

相关事实

待验证Qwen3-1.7B在2跳任务上忠实度为68%，到6跳时暴跌至30%，而Qwen3-4B在不同跳数下保持相对平稳68% 相似待验证Qwen3 27B在多项编程和智能体基准测试中的得分超越了Claude Opus 4.668% 相似待验证Qwen3.8-Flash-Next在多项基准测试中性能反超Qwen3.8-27B稠密模型，同时降低了推理与训练开销67% 相似待验证早期模型Claude Opus 4.6和GLM-5.2在这些漏洞利用任务中的成功率为零67% 相似待验证在漏洞查找测试中，上一代 Qwen3 27B 的 Q6 量化版本比新版 Q5 多找到一个 bug66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999532

API

curl https://kongchang.com/api/v1/knowledge/claims/999532

MCP

get_claim(id=999532)