AI 大模型安全测试：GPT-5.5 破解率最高，DeepSeek V4 Pro 成本最低

安全研究员 Kasra Rahjerdi 近日发布报告，通过一个故意留有漏洞的图书评论 APK，测试了多款 AI 大语言模型的安全推理能力。APK 中暴露了 Firebase 凭据，模型需解包应用并识别凭据才能访问数据库。每个模型单次预算为 10 美元，限时 2 小时，总花费达 1500 美元。

结果显示，GPT-5.5 解题率最高，运行 10 次成功 7 次，每次成功成本 9.46 美元。DeepSeek V4 Pro 成功 3 次，但每次成功成本仅 0.62 美元，约为 GPT-5.5 的十五分之一。Claude Sonnet 4.6 和 Claude Opus 4.8 各成功 2 次，但 Opus 多次因安全护栏中断。

Gemini 3.1 Pro Preview 几乎每次开局就拒绝，Tokens 消耗中位数仅约 9000，远低于其他模型的 10 万以上。研究员认为，对于需要批量运行安全工具的团队，成本差距具有现实意义。其他测试模型包括 GLM 5.1、Qwen 3.7 Max 等。