SQL 注入防御与参数化查询

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：SQL 注入防御与参数化查询
  • 测试类型：文本生成
  • 评测维度：SQL 数据库能力
  • 参与评测的模型数：194 个

系统提示词（System Prompt）

你是一名后端安全工程师，擅长数据库安全与防御性编程。 回答要求： 1. 指出原代码存在的安全问题 2. 给出改写后的安全代码 3. 简要说明参数化查询的防御原理 4. 代码需注明编程语言，并保持格式清晰

用户提示词（User Prompt）

以下是一段 Python 代码，使用字符串拼接方式构造 SQL 查询： ```python def get_user(username): query = "SELECT * FROM users WHERE username = '" + username + "'" cursor.execute(query) return cursor.fetchone() ``` 请完成以下任务： 1. 指出该代码存在的安全问题 2. 将其改写为使用参数化查询（预处理语句）的安全版本 3. 简要解释参数化查询为何能防御 SQL 注入

各模型评测结果

  1. 第 1：Google: Gemma 4 26B A4B ，得分 100.0 分 — 查看该模型的详细评测结果
  2. 第 2：Anthropic: Claude Sonnet 4.6，得分 96.8 分 — 查看该模型的详细评测结果
  3. 第 3：Claude Opus 4.6，得分 96.0 分 — 查看该模型的详细评测结果
  4. 第 4：Anthropic: Claude Haiku 4.5，得分 96.0 分 — 查看该模型的详细评测结果
  5. 第 5：doubao-seed-2-0-pro，得分 95.4 分 — 查看该模型的详细评测结果
  6. 第 6：kimi-k2.5，得分 95.33 分 — 查看该模型的详细评测结果
  7. 第 7：Elephant，得分 95.3 分 — 查看该模型的详细评测结果
  8. 第 8：qwen3.5-omni-plus，得分 95.1 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.6-plus-preview，得分 95.1 分 — 查看该模型的详细评测结果
  10. 第 10：qwen3.5-flash，得分 94.6 分 — 查看该模型的详细评测结果
  11. 第 11：glm-5-turbo，得分 94.6 分 — 查看该模型的详细评测结果
  12. 第 12：glm-5，得分 94.4 分 — 查看该模型的详细评测结果
  13. 第 13：OpenAI: GPT-5 Mini，得分 94.4 分 — 查看该模型的详细评测结果
  14. 第 14：kimi-k2.6，得分 94.3 分 — 查看该模型的详细评测结果
  15. 第 15：Google: Gemini 3.1 Pro Preview，得分 94.3 分 — 查看该模型的详细评测结果
  16. 第 16：mimo-v2-pro，得分 94.2 分 — 查看该模型的详细评测结果
  17. 第 17：MiniMax-M2.7，得分 94.0 分 — 查看该模型的详细评测结果
  18. 第 18：xAI: Grok 4.20 Beta，得分 94.0 分 — 查看该模型的详细评测结果
  19. 第 19：MiniMax-M2.1，得分 94.0 分 — 查看该模型的详细评测结果
  20. 第 20：qwen3-coder-next，得分 94.0 分 — 查看该模型的详细评测结果
  21. 第 21：GLM-5v-turbo，得分 93.8 分 — 查看该模型的详细评测结果
  22. 第 22：Google: Gemma 4 31B，得分 93.8 分 — 查看该模型的详细评测结果
  23. 第 23：GLM-5.1，得分 93.8 分 — 查看该模型的详细评测结果
  24. 第 24：StepFun: Step 3.5 Flash，得分 93.7 分 — 查看该模型的详细评测结果
  25. 第 25：NVIDIA: Nemotron 3 Super (free)，得分 93.7 分 — 查看该模型的详细评测结果
  26. 第 26：doubao-seed-1-8，得分 93.5 分 — 查看该模型的详细评测结果
  27. 第 27：qwen3.5-plus-2026-02-15，得分 93.2 分 — 查看该模型的详细评测结果
  28. 第 28：OpenAI: gpt-oss-20b，得分 93.2 分 — 查看该模型的详细评测结果
  29. 第 29：Google: Gemini 2.5 Flash Lite，得分 93.2 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3.5-omni-flash，得分 93.2 分 — 查看该模型的详细评测结果
  31. 第 31：qwen3.5-35b-a3b，得分 93.0 分 — 查看该模型的详细评测结果
  32. 第 32：Google: Gemini 3 Flash Preview，得分 93.0 分 — 查看该模型的详细评测结果
  33. 第 33：Claude Opus 4 7，得分 92.7 分 — 查看该模型的详细评测结果
  34. 第 34：doubao-seed-2-0-code，得分 92.7 分 — 查看该模型的详细评测结果
  35. 第 35：MiniMax-M2.5，得分 92.5 分 — 查看该模型的详细评测结果
  36. 第 36：doubao-seed-2-0-lite，得分 92.4 分 — 查看该模型的详细评测结果
  37. 第 37：Qwen: Qwen3.5-9B，得分 92.3 分 — 查看该模型的详细评测结果
  38. 第 38：mimo-v2-flash，得分 92.3 分 — 查看该模型的详细评测结果
  39. 第 39：deepseek-v3.2，得分 92.3 分 — 查看该模型的详细评测结果
  40. 第 40：OpenAI: GPT-5 Nano，得分 92.2 分 — 查看该模型的详细评测结果
  41. 第 41：glm-4.7，得分 92.2 分 — 查看该模型的详细评测结果
  42. 第 42：OpenAI: GPT-5.4，得分 91.9 分 — 查看该模型的详细评测结果
  43. 第 43：qwen3.5-27b，得分 91.5 分 — 查看该模型的详细评测结果
  44. 第 44：doubao-seed-1-6，得分 91.4 分 — 查看该模型的详细评测结果
  45. 第 45：qwen3-8b，得分 91.4 分 — 查看该模型的详细评测结果
  46. 第 46：xAI: Grok 4.1 Fast，得分 91.0 分 — 查看该模型的详细评测结果
  47. 第 47：qwen3-max，得分 90.0 分 — 查看该模型的详细评测结果
  48. 第 48：glm-4.5-air，得分 90.0 分 — 查看该模型的详细评测结果
  49. 第 49：hunyuan-large，得分 89.5 分 — 查看该模型的详细评测结果
  50. 第 50：qwen3-coder-flash，得分 89.5 分 — 查看该模型的详细评测结果
  51. 第 51：OpenAI: gpt-oss-120b，得分 89.5 分 — 查看该模型的详细评测结果
  52. 第 52：Meta: Llama 3.3 70B Instruct，得分 89.2 分 — 查看该模型的详细评测结果
  53. 第 53：qwen3-14b，得分 89.0 分 — 查看该模型的详细评测结果
  54. 第 54：mimo-v2-omni，得分 88.8 分 — 查看该模型的详细评测结果
  55. 第 55：GPT-5.2，得分 88.7 分 — 查看该模型的详细评测结果
  56. 第 56：hunyuan-pro，得分 87.8 分 — 查看该模型的详细评测结果
  57. 第 57：qwen3-coder-plus，得分 86.7 分 — 查看该模型的详细评测结果
  58. 第 58：hunyuan-turbo，得分 86.5 分 — 查看该模型的详细评测结果
  59. 第 59：Grok 4，得分 85.8 分 — 查看该模型的详细评测结果
  60. 第 60：qwen3-4b，得分 85.8 分 — 查看该模型的详细评测结果
  61. 第 61：OpenAI: GPT-4o-mini，得分 85.7 分 — 查看该模型的详细评测结果
  62. 第 62：qwen3-235b-a22b，得分 85.7 分 — 查看该模型的详细评测结果
  63. 第 63：doubao-seed-1-6-flash，得分 83.7 分 — 查看该模型的详细评测结果
  64. 第 64：qwen3-0.6b，得分 33.7 分 — 查看该模型的详细评测结果
  65. 第 65：Meituan: LongCat Flash Chat，得分 — 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…