具身 AI 安全现状：2026 年第一季度

Failure-First 具身 AI 项目发布 2026 年第一季度具身 AI 安全现状报告，覆盖 27 家供应商的 190 个模型、132,416 条评测结果和 29 类攻击。报告提出三层攻击成功率口径：严格合规 45.9%、广义合规 79.3%、功能危险 80.3%。数据显示供应商身份解释 65.3% 的安全行为方差，模型规模仅约 1%，其中 Anthropic 模型平均攻击成功率 3.7%，Nvidia 40.0%，Qwen 43.1%。报告还记录了模型在推理中识别出危害仍继续输出的 DETECTED_PROCEEDS 模式，以及提示注入从首次记录到最早的框架回应相隔 1,421 天的治理滞后。