9月15日消息，2026国家网络安全宣传周期间，智能体安全领域出现了一个新的综合评估参考——智能体安全指数（ASI）。该指数由蚂蚁AI安全实验室与清华大学团队推进，但更值得关注的是，它试图把多项安全评测按业务场景和风险类型重新组织，帮助企业同时看到 AI的整体安全表现和具体风险。
项目团队提供的一组测试显示，同样的模型，在桌面端有害行为单项benchmark测试中安全表现排名前列，在桌面端隐蔽执行风险测试中却排在后位。按 ASI本轮综合评估口径，其在桌面场景的安全表现位居第二，环境注入方面的短板也被保留下来。
这一案例说明，单项测试反映的是模型在特定条件下的表现，任何一项排名都不足以支持整体判断。随着智能体开始访问企业数据、操作文件和调用工具，企业需要了解它总体表现如何，也需要知道它在哪些任务上容易出问题。
如果把不同安全评测比作血压、血脂等单项检查，ASI的作用就是将这些检查组织起来，结合具体使用场景进行综合分析。单项检查帮助发现特定问题，综合分析则帮助使用者理解这些问题对实际应用的影响。
为避免不同测试口径造成误读，ASI将深入到具体任务和执行过程，依据明确的评价规则，按业务场景和风险类型重新组织评测证据。企业既能查看综合结果，也能追溯某项短板来自什么测试、发生在哪个操作环节，让模型比较和风险判断更有依据。
这种方式也让已有评测成果获得更多用途。针对同一批测试证据，企业可以按自身需求重点查看敏感信息保护、工具使用或高风险操作等表现，并接入自身业务测试。在此基础上，企业可进一步验证增加审批、收紧权限或部署安全防护后，风险是否降低，正常任务能否继续完成。
目前，项目正围绕32项安全评测基准、8类智能体场景推进复现与整合。通过积累可重复使用的测试环境和结果，ASI希望降低各机构重复验证的成本，让更多安全研究成果用于实际业务决策。
针对模型和风险的快速变化，ASI将持续纳入新测试、新模型和新场景，并记录版本及运行条件，帮助使用者追溯结果、理解变化。
此前，蚂蚁已联合高校推出 Agent3σ等智能体安全评测项目。ASI 将进一步连接不同评测成果，并邀请安全机构、科研团队和开发者参与共建，逐步形成开放、可复核、持续更新的行业安全参考。
