基准
Bench-Corp
OpenAPPA制造方用于评测护栏的测试套件，将任何违规动作计为攻击并统计任务完成与成本开销
时间轴 (近 90 天)
10月12日
Bench-Corp测试中，护栏在520次运行中漏掉了两次，均发生在Gemini 3.7 Flash的同一任务上。
待验证50%
10月12日
在Bench-Corp上，由于护栏几乎每次运行都会介入，代理使用的token量增加了2.6倍至8倍，DeepSeek的运行成本高出16倍，耗时增加22倍。
待验证50%
OpenAPPA制造方用于评测护栏的测试套件，将任何违规动作计为攻击并统计任务完成与成本开销
Bench-Corp测试中，护栏在520次运行中漏掉了两次，均发生在Gemini 3.7 Flash的同一任务上。
在Bench-Corp上，由于护栏几乎每次运行都会介入，代理使用的token量增加了2.6倍至8倍，DeepSeek的运行成本高出16倍，耗时增加22倍。