最后更新：2026-10-23 ChatGPT / Claude / DeepSeek / Qwen 谁更抗越狱？没有一张“永久排名表”——模型版本、是否开源权重、是否加应用层分类器，都会改变结果。本文只汇总厂商与第三方已公开的机制与数据点，做成选型向对比表，并给出海团队一个评分器。数据会过时，部署前请复核原文链接。不含任何越狱提示词。 DeepSeek 专篇见DeepSeek破甲怎么防；基础概念见破甲防护清单。 一、横评维度（先定尺子） 维度看什么对企业的意义 交付形态纯 API / 带应用护栏 / 开源权重开源权重无法远程热修内建护栏 公开对抗数据厂商 system card、第三方 StrongREJECT 等有数字可引用，但测法不同不可直接横比绝对值 护栏架构RLHF/拒绝训练、输入输出分类器、策略分类器可显著压低越狱成功率 Agent 场景工具调用、浏览器、电脑使用权限越狱后果从“文本”变为“动作” 区域与合规数据驻留、日志、行业政策出海广告与金融等场景另有平台规则 二、公开数据与机制对比表（可引用） 模型族典型交付公开防护机制（文档级）公开对抗数据点备注 ChatGPT / OpenAI API闭源 API + ChatGPT 产品安全最佳实践、模型规格/系统卡、滥用监测（OpenAI Safety Best Practices）各版本 system card 含越狱与滥用评测；具体数字随版本变化，以官方卡为准可远程更新策略；企业仍需应用层过滤 Claude / Anthropic闭源 API + claude.aiConstitutional AI；输入/输出 Constitutional Classifiers；官方缓解越狱文档（Anthropic mitigate jailbreaks）自动化评测：无分类器越狱成功率约 86%，加分类器约 4.4%（Anthropic 研究博客）分类器约 +23.7% 算力成本（同文） DeepSeek（V4 Pro 等）开源权重 + 官方 API模型内建拒绝；开源后无法对已分发权重热修Neo Research：公开角色扮演模板下 StrongREJECT 越狱率约 0.6%→77.8%；FAR.AI：多域攻击成功率约 98–100%同模板下 Kimi/Qwen 预览几乎未破（Neo） Qwen（通义千问系列）开源权重 + 云 API阿里云/通义安全策略随产品线而异；开源权重同样面临分发后难热修Neo Research 同模板对比中，Qwen3.6-Max（preview）越狱率约 0.0%（与 Kimi K2.6 并列表现稳健）不同尺寸/微调版差异大，必须以你部署的具体 checkpoint 复测 重要限制：上表把不同论文、不同攻击集的结果放在一起，只能看趋势与机制，不能得出“某模型永远第一”。换一套攻击或换一个小版本，名次可能对调。 三、闭源 API vs 开源权重：防护决策树...