ChainThink 消息，Claude Code 负责人 Boris Cherny 表示，Anthropic 已在实际使用中基本解决提示词注入攻击。一年前，他自己也没想到能做到这个程度。

提示词注入一直是 Agent 的主要风险之一，恶意网页可隐藏指令，诱导 Agent 盗取密码、上传密钥或执行用户未要求的操作。

Anthropic 目前通过三层防护拦截：Claude 先抵抗恶意指令，外部内容进入上下文前再检测一次，真正执行操作前由 Auto Mode 再审一次。

第三方测试使用了 72 种此前未见过的攻击，并重复 720 次。结果显示，Sonnet 5、Fable 5 和 Opus 5 在开启 Auto Mode 后一次都未被成功攻破；

同一测试中，GPT-5.6 Sol 使用 Codex Auto-review 的攻击成功率为 5.83%，Full Access 则为 19.03%。