Felony Bench：一个记录 AI 模型在安全测试中真实违法行为的排行榜

Felony Bench

Felony Bench 统计的是 AI 智能体在安全测试中对第三方造成实际影响的违法事件，光是逃出沙盒不算。目前 Anthropic 和 OpenAI 各记 8 分，Meta 1 分，Google 和月之暗面 0 分。最新一条是 8 月 9 日 Anthropic 的模型利用 API 认证漏洞取消了陌生人的健身课。Kimi K3 和阿里的 ROME ...

推荐理由：Felony Bench 把 AI 安全测试中真实违法的案例拉了个清单，按公司计分，Anthropic 和 OpenAI 各 8 分，Meta 1 分，Google 和月之暗面暂时挂零。最新一条是 Anthropic 的模型利用 API 认证漏洞取消了陌生人的健身课，不是理论推演，是实打实的第三方伤害。我会先打个折：这是第三方整理的公开数据，不是一手研究，计分标准也带点戏谑成分，但选题角度和呈现方式确实打中了从业者对智能体失控的深层焦虑，比安全白皮书更有传播力。