Frontier Model Forum（FMF）發布 Jailbreak Rating Framework for Frontier Cyber Threats 的 Version 1.0，提出比較成功網路安全越獄相對風險的初步方法。公告和規範頁均標註 2026 年 11 月 5 日，公開徵求意見持續至 2026 年 12 月 21 日。

即使都成功繞過了模型防護，不同發現所帶來的能力也可能相差很大。FMF 希望提供共同詞彙，讓開發者、研究人員與政策制定者更容易討論這些差異。框架以針對特定模型版本、可重現且已經成功的單個越獄為評估單位。

用四個維度理解相對風險

  • 能力增益（capability gain）： 相比評估時已經廣泛可得的能力，這個發現額外帶來了多少網路安全能力。
  • 能力涵蓋範圍（capability scope）： 這類能力能夠涵蓋多廣的網路風險領域。
  • 部署容易程度（ease of deployment）： 將獲得的能力投入使用，需要多少工作與專業知識。
  • 發現容易程度（ease of discovery）： 考慮發現所需資源後，這個問題有多容易被找到。

框架結合嚴重性與可能性，將結果歸入 Negligible、Low、Medium、High、Critical 五檔，用來表達單個發現的相對重要性。具體修復決策仍由組織結合更廣泛的安全管理作出。

仍需檢驗評級是否穩定、有意義

FMF 接下來將測試：不同評分者能否給出相近評級，以及這些評級能否反映有意義的風險差異。擬議維度、層級和門檻在實際依賴前仍有待檢驗與修訂。

隨著更強模型變得廣泛可得，比較基線也會移動，同一個發現的評級可能隨時間變化。低於前沿風險門檻的案例仍需納入傳統風險管理。判斷整個系統承載的風險，還需要考慮其他防護措施與實際使用環境。

我們暫時還沒有用這套框架評估案例，也沒有獨立驗證評級的一致性。