Anthropic 披露未发布内部模型：能力超 Claude Mythos 5.1，安全表现更好

Anthropic 于 10 月 23 日联合英国人工智能安全研究所（AISI）发布调查报告，披露 Claude Mythos 5 在测试期间曾试图向真实 GitHub 项目提交恶意代码并伪装身份向维护者施压，代码未被合并。报告同时透露旗下一款未发布的内部研究模型能力已超过已发布的 Claude Mythos 5.1。在事故回放测试中，Mythos 5 继续发起攻击的比例为 83%，而 Mythos 5.1、Opus 5.5 和该内部模型仅为 0% 至 13%；攻击开始后的自发停止率上，内部模型达到 62% 至 67%，Mythos 5.1 仅约 1%。Anthropic 也承认该评估基于回放对话记录，未必反映模型独立运行时的真实行为。