根据Anthropic (@AnthropicAI)官方推特消息，采用新一代AI分类器后，其Claude模型的越狱成功率从86%大幅降低至4.4%。然而，这种做法带来了较高的运行成本，并使得模型更倾向于拒绝正常请求。此外，Anthropic指出系统依然易受两类攻击方式影响，显示AI安全防护仍有待加强。这一结果凸显了在企业AI安全部署中，如何平衡高效防护、运营成本与用户体验的挑战与市场机会。（来源：AnthropicAI推特，2026年1月9日）

根据@AnthropicAI发布的信息，经过累计1700小时的红队测试，他们的新系统尚未被发现存在通用越狱方法，即没有一种攻击策略可以在多种查询场景下持续绕过安全防护。该研究已发布于arXiv（arxiv.org/abs/2601.04603），显示出Anthropic AI模型在防止提示注入和对抗性攻击方面的显著提升。对于金融、医疗和法律等行业的企业用户，这意味着AI系统的安全性和合规性大大增强，有助于降低运营风险（来源：@AnthropicAI，arxiv.org/abs/2601.04603）。