White Circle 开源 RISE：GPT-Image-2.5-Flare 被越狱概率约为上一代 3 倍
模型越来越强，但是安全性跟上了吗？
White Circle 团队开源红队算法 RISE，用 Evolutionary Search 持续优化越狱策略，被拦截后可根据反馈自动生成新的攻击 prompt。在相同攻击流程下，OpenAI 的 GPT-Image-2.5-Flare 被成功 jailbreak 的概率约为上一代的 3 倍，Google 的 Nano Banana 2.1 约为上一代的 2 倍。该攻击与评估流程仅依靠开源工具和公开 API 即可实现，外部研究者无需访问模型内部。
推荐理由
AI 评分 62
RISE 用开源工具和公开 API 就能复现对图像模型的安全评估，读者可据此了解红队攻击的自动化程度。
主题
查看原帖We are open-sourcing RISE, our red-teaming algorithm that breaks the safeguards of the latest image models from OpenAI, DeepMind, and others. RISE uses readily available models like Qwen and Gemini Flash under the hood, with no additional training required. Read more: https://t.co/kt8ub0OmeW
正文
模型越来越强，但是安全性跟上了吗？
尤其是 Visual Models，一旦安全防护被绕过，NSFW 内容就可能直接生成，风险更加直观。
White Circle 团队的最新研究 RISE：在相同攻击流程下，OpenAI 的 GPT-Image-2.5-Flare 被成功 jailbreak 的概率约为上一代的 3 倍，Google 的 Nano Banana 2.1 则约为上一代的 2 倍。
RISE 利用 Evolutionary Search 持续优化 jailbreak 策略。当某条 prompt 被拦截，系统可以根据反馈调整策略，自动生成新的攻击 prompts，持续探索模型的安全边界。
更值得关注的是，这套攻击与评估流程仅依靠开源工具和公开 API 就能实现。外部研究者无需访问模型内部，也能系统性地发现安全漏洞。
推荐！