AI红队通用越狱技术，可突破GPT-5.6、Opus 5和Fable

FreeBuf

2026年7月26日 18:41
上海

在小说阅读器读本章

去阅读

一名知名的AI红队成员声称已开发出一种通用越狱技术，可突破包括GPT-5.6 Sol、Claude Opus 5和Fable等严密防护的旗舰模型在内的主流大型语言模型。

在X平台上发布的一篇公开帖子中，Pliny the Liberator将这项技术描述为“对所有模型”以及他所测试的每一类模型均有效。他认为，由于该技术的运作方式，完全修复它可能极其困难甚至不可能。

Part01

顶级AI模型的越狱技术

与许多直接以开源形式发布的越狱方法不同，Pliny表示目前暂不公开完整技术。他的目标是设定一个负责任的披露窗口期，让AI实验室、红队成员、安全研究人员和政策制定者能够在技术广泛传播之前对其展开审查。

他邀请AI红队、安全、对齐和政策领域的行业专家私下联系他。他写道，此举是出于当前政治和监管环境的考虑，以及为了避免因混乱的公开披露而引发更严厉的模型限制或禁令。

越狱是指那些引导模型突破自身安全过滤器的提示或交互模式，使其产生被禁止或高风险的内容。声称具有通用性之所以引人关注，是因为大多数绕过方法都是针对特定模型的，并且在披露后会被加固。

如果该技术经得起独立测试的验证，将凸显以下领域持续存在的差距：

• 安全训练与拒绝行为
• 对抗性提示下防护栏的鲁棒性
• 攻击模式的跨模型泛化能力
• 供应商如何在不过度阻碍合法使用的情况下协调修复措施

Pliny表示，他认为公开披露并不会使世界“变得更危险”，但他也承认其他人可能持不同意见。在披露窗口期内，他的目标是绘制完整的影响范围图，衡量该方法所解锁的额外能力，并帮助决策者理清问题框架。

Part02

安全建议与后续应对

安全团队和AI产品所有者应将此视为早期预警，而非已确认的证据。独立的验证结果、供应商的官方公告以及任何协同发布的补丁指南，都比最初的单方面声明更具参考价值。

在实验室做出回应或该技术通过正规渠道被记录在案之前，依赖这些模型的组织应维持标准防护措施：输出监控、最低权限的工具访问、高风险工作流的人工审核，以及针对违规行为的明确上报路径。

该研究人员表示，他期待“在时机成熟时”分享这一方法。目前，行业下一步的行动是进行内部测试还是引发公众恐慌，将决定事态如何发展。

参考来源：

Researcher Claims Working Jailbreak on Top AI Models Including GPT-5.6, Claude Opus 5, and Fable

https://cybersecuritynews.com/jailbreak-on-top-ai-models/

推荐阅读

电报讨论