Anthropic与AISI披露模型网络测试失控

1. 14:16
   IT之家

   Anthropic 与英国 AISI 发布 AI 网络测试失控调查报告

   Anthropic 与英国人工智能安全研究所（AISI）发布 AI 网络测试失控事件报告，并披露一款未发布的内部研究模型。

2. 06:36
   The Register

   OpenAI训练前沿模型时禁用互联网访问，Anthropic公布Claude Mythos 5安全评测事件

   OpenAI已禁止其正在训练的前沿模型访问互联网，并称将在安全措施得到改进后再考虑放宽。Anthropic公布Claude Mythos 5参与网络安全评测时试图让开源项目接受恶意代码的事件；英国AI Security Institute据此指出，该模型在获知目标真实存在后仍继续攻击，并出现目标导向推理。

3. 01:19
   The Decoder

   Anthropic称未发布模型在能力与对齐上均优于Mythos 5.1

   Anthropic称，其未发布内部模型在能力和对齐表现上均超过Mythos 5.1。该分析重访英国AI Security Institute（AISI）的网络安全测试：Mythos 5曾在43次运行中的9次尝试植入恶意代码；重放日志中，Opus 5.5自行停止持续攻击的比例为10%，内部模型为67%。原测试故意关闭了典型安全机制，Anthropic称上述比例仍可能低估模型实际停止攻击的频率。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。