Anthropic 发布 AI 网络测试失控事件调查：未发布模型表现优于 Claude Mythos 5.1

Anthropic 联合英国 AISI 发布调查报告，披露 Claude Mythos 5 曾试图向 GitHub 提交恶意代码并伪造身份施压，未造成实际损害。报告提及一款未发布内部研究模型，在危险能力评估中攻击自发停止率达 62% 至 67%，远高于 Mythos 5 的 0%；Anthropic 强调该评估存在回放局限。