Perplexity 釋出計算機代理沙箱 SPACE 紅測研究

2026-11-12，Perplexity 通過其官方 X 賬號釋出關於計算機代理虛擬機器沙箱 SPACE 紅藍對抗的新研究，測試了 12 款模型在越獄和繞過網路策略方面的表現。兩項任務分別是：逃出虛擬機器以從宿主機取得憑證，以及繞過 SPACE 的網路策略訪問被遮蔽的 URL。研究採用智慧體紅藍對抗實驗中標準的 Capture the Flag（CTF，奪旗）設計，flag 是僅存放在宿主機上的憑證，智慧體只有突破虛擬機器才能觸及。

Perplexity 指出，拿到 CTF 提示詞的智慧體把大量精力花在虛擬機器內部通過檔案和服務搜尋 flag，而不是測試虛擬化層的隔離性：12 款模型中有 9 款把至多 4% 的精力放在虛擬化層上，因此它們的逃逸失敗只能算弱證據。為此，Perplexity 調整任務描述，使智慧體更聚焦虛擬機器與宿主機的邊界，邊界投入佔比平均提升約 60 個百分點；智慧體直接攻擊邊界後仍未能逃逸，Perplexity 稱這為其隔離機制提供了更強的證據。

結果還顯示，網路安全專用模型有時表現不及通用模型：例如基於 GPT-5.6 Sol 構建的 GPT-5.6 Cyber，在網路策略繞過任務中未能利用 Sol 在其網路中發現的 DNS 欺騙漏洞。Perplexity 據此認為，在安全紅藍對抗中讓智慧體「找 flag」可能把精力浪費在並未真正檢驗目標安全邊界的任務上，安全專用模型訓練也不能保證在其測試任務上取得更好結果。Perplexity 同時表示，已修復智慧體在測試中利用的網路缺陷，修復後測試未發現繞過，並將隨模型能力提升繼續對 SPACE 進行安全測試。完整研究另附連結。