Frontier Model Forum（FMF）发布 Jailbreak Rating Framework for Frontier Cyber Threats 的 Version 1.0，提出比较成功网络安全越狱相对风险的初步方法。公告和规范页均标注 2026 年 11 月 5 日，公开征求意见持续至 2026 年 12 月 21 日。

即使都成功绕过了模型防护，不同发现所带来的能力也可能相差很大。FMF 希望提供共同词汇，让开发者、研究人员与政策制定者更容易讨论这些差异。框架以针对特定模型版本、可复现且已经成功的单个越狱为评估单位。

用四个维度理解相对风险

  • 能力增益（capability gain）： 相比评估时已经广泛可得的能力，这个发现额外带来了多少网络安全能力。
  • 能力覆盖范围（capability scope）： 这类能力能够覆盖多广的网络风险领域。
  • 部署容易程度（ease of deployment）： 将获得的能力投入使用，需要多少工作与专业知识。
  • 发现容易程度（ease of discovery）： 考虑发现所需资源后，这个问题有多容易被找到。

框架结合严重性与可能性，将结果归入 Negligible、Low、Medium、High、Critical 五档，用来表达单个发现的相对重要性。具体修复决策仍由组织结合更广泛的安全管理作出。

仍需检验评级是否稳定、有意义

FMF 接下来将测试：不同评分者能否给出相近评级，以及这些评级能否反映有意义的风险差异。拟议维度、层级和阈值在实际依赖前仍有待检验与修订。

随着更强模型变得广泛可得，比较基线也会移动，同一个发现的评级可能随时间变化。低于前沿风险门槛的案例仍需纳入传统风险管理。判断整个系统承载的风险，还需要考虑其他防护措施与实际使用环境。

我们暂时还没有用这套框架评估案例，也没有独立验证评级的一致性。