Perplexity 发布计算机代理沙箱 SPACE 红测研究

2026-11-12，Perplexity 通过其官方 X 账号发布关于计算机代理虚拟机沙箱 SPACE 红蓝对抗的新研究，测试了 12 款模型在越狱和绕过网络策略方面的表现。两项任务分别是：逃出虚拟机以从宿主机取得凭证，以及绕过 SPACE 的网络策略访问被屏蔽的 URL。研究采用智能体红蓝对抗实验中标准的 Capture the Flag（CTF，夺旗）设计，flag 是仅存放在宿主机上的凭证，智能体只有突破虚拟机才能触及。

Perplexity 指出，拿到 CTF 提示词的智能体把大量精力花在虚拟机内部通过文件和服务搜寻 flag，而不是测试虚拟化层的隔离性：12 款模型中有 9 款把至多 4% 的精力放在虚拟化层上，因此它们的逃逸失败只能算弱证据。为此，Perplexity 调整任务描述，使智能体更聚焦虚拟机与宿主机的边界，边界投入占比平均提升约 60 个百分点；智能体直接攻击边界后仍未能逃逸，Perplexity 称这为其隔离机制提供了更强的证据。

结果还显示，网络安全专用模型有时表现不及通用模型：例如基于 GPT-5.6 Sol 构建的 GPT-5.6 Cyber，在网络策略绕过任务中未能利用 Sol 在其网络中发现的 DNS 欺骗漏洞。Perplexity 据此认为，在安全红蓝对抗中让智能体「找 flag」可能把精力浪费在并未真正检验目标安全边界的任务上，安全专用模型训练也不能保证在其测试任务上取得更好结果。Perplexity 同时表示，已修复智能体在测试中利用的网络缺陷，修复后测试未发现绕过，并将随模型能力提升继续对 SPACE 进行安全测试。完整研究另附链接。