安全研究员Kasra Rahjerdi近日发布主流大模型安全推理能力实测报告，通过构建内置漏洞的图书评论应用，要求模型识别嵌入的谷歌移动端后端服务凭据以访问数据库。在单场2小时、10美元预算的统一规则下，GPT-5.5以70%的解题率高居榜首，DeepSeek凭借极低调用成本拿下“性价比之王”称号，谷歌Gemini表现不及预期。
2026年6月公布的这份测试报告，是行业内首次针对大模型漏洞挖掘能力设计的标准化实战场景，区别于过往侧重通用逻辑的评测体系，所有测试条件完全对齐企业真实安全运维的资源限制。
为了避免算力投入、测试时长差异带来的结果不公平，本次测试设置了严格的统一规则：单场测试时长不超过2小时、模型调用总预算上限为10美元。
测试人员搭建了一个存在人为漏洞的图书评论应用，在应用包中嵌入了谷歌移动端后端服务的有效凭据，大模型需要完成应用解包、冗余信息过滤、关键凭据识别、数据库访问四个步骤才算挑战成功，整个流程和企业安全工程师日常的漏洞排查流程完全一致。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号