主要来源arXiv cs.AI
查看原文事件专题 · 多源确认
Anthropic Fable 5与Opus 4.8模型的红队研究
Anthropic发布了对两个前沿模型Fable 5和Opus 4.8的红队研究。研究使用HackAgent框架，对7,826个有害意图进行自动化越狱攻击，覆盖十类危害。最强自适应树状攻击在Opus 4.8上成功率达11.5%，而在Fable 5上仅为6.1%。两个模型分别产生了1,620和702个经专家确认的有害输出。结论表明，即使经过充分测试的前沿模型仍可在持续自动化攻击下被可靠破解。
当前结论
Anthropic公开了Fable 5和Opus 4.8的对抗性测试结果：树状攻击破Opus 4.8的11.5%，但Fable 5更抗打，仅6.1%。别被整体数字骗了，残存风险不小。
11 个信源46° AI 热度最后更新 2026/6/16 17:23:58
证据链
相关来源 1AI Will
查看原文相关来源 2Simon Willison’s Weblog
查看原文相关来源 3DavidSacks
查看原文相关来源 4Decoder
查看原文相关来源 5IT之家
查看原文相关来源 6kimmonismus
查看原文相关来源 7@koltregaskes
查看原文相关来源 8Gary Marcus
查看原文相关来源 9Anthropic: Research
查看原文相关来源 10@atomic_chat_hq
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。