BestBlogs.dev· Arya Koste·· 8 小时前AI 评分46
BoundaryBench 基准测试：Claude Haiku 4.5 得 0 分、Qwen 3 得 97.2 分，失败模式截然不同
一个模型得了 0 分，另一个得了 97 分——但它们的失败模式截然不同
AI 导读
BoundaryBench 基准测试评估了 Gemini 3.7 Flash、GPT-5.4 nano、Qwen 3 Next 80B Instruct 和 Claude Haiku 4.5 在 144 次提示词注入攻击下的退款策略合规性。
来源：BestBlogs.dev · bestblogs.dev