OpenAI 联手 Frontier Model Forum 发布 Jailbreak Rating Framework v1.0：按四维给网络越狱定级

核心背景与行业痛点

前沿模型网络能力上升后，成功越狱的后果并不相等：有的只吐出低价值文本，有的可能解锁可操作攻击能力。缺少统一评级时，团队易把资源花在低风险案例上。2026-11-05，Frontier Model Forum 发布 Jailbreak Rating Framework for Frontier Cyber Threats v1.0；2026-11-06 OpenAI 官方账号转发并引用其国家安全政策负责人 Sasha Baker 的表态。

架构亮点与底层机制

框架用分层评估综合四维：capability gain（相对基线解锁多少能力）、capability scope（覆盖面）、ease of deployment（落地难易）、ease of discovery（发现/复现难易）。目标是按「解锁了什么、多容易被用起来」比较越狱，而不是只问能否越狱成功。FMF 称将继续检验不同评估者是否打出相近等级，并随新手法迭代。

权威 Benchmark 与实测跑分对比

本稿为方法论发布，官方未公布统一排行榜或单一分数线。OpenAI、Amazon、Anthropic、Google DeepMind、Microsoft 在 FMF 更新中给出支持性引语，强调需要可比证据基础以优先加固护栏。公开征求意见截止 2026-12-21。未宣称可替代各厂商内部红队或 CVE 流程。

开发者实战落地与开箱指南

Agent / 工具调用产品可把成功越狱工单按四维粗分优先级，避免凡绕过即同等紧急。红队报告宜写清能力增益与部署成本。跟进 FMF 评论期与后续修订；生产护栏仍以模型商安全层与自有拒绝策略为准。原文见 FMF 更新页。