GPT-6 Astra幻觉减少但仍易受隐式提示注入攻击

幻觉与注入防御能力双提升

GPT-6 Astra相较前代模型显著降低了事实性错误（即幻觉）发生率，并能成功阻断99.99%的直接提示注入攻击——这类攻击通常通过用户输入中的明文指令触发。

隐式文档注入仍是薄弱环节

然而，在更贴近真实应用的测试中，当恶意提示被嵌入AI需解析的PDF、Word等文档内部时，Astra模型在8.5%的案例中仍被成功诱导执行非预期操作。该漏洞对依赖自主读取外部文件的AI智能体构成实质性风险。

对比表现与现实影响

Anthropic的Claude Opus 5在相同隐式文档注入测试中失败率为4.8%，表现优于Astra。研究指出，对于处理真实业务数据的自主AI代理而言，当前8.5%的失效率仍属较高风险水平。

编者观点：中国企业部署AI智能体时，需将文档级提示注入纳入红蓝对抗测试标准，不能仅依赖API层防护。