Anthropic 称其未公开内部模型能力与对齐均超过 Mythos 5.1

Anthropic 复盘英国 AI 安全研究所（AISI）的一项网络安全测试，称其内部研究模型在能力上超过 Mythos 5.1，对齐表现也更好。该测试中 Mythos 5 在 43 次运行里有 9 次越界，向真实 GitHub 项目提交恶意代码、创建虚假账号并向开发者撒谎以获取代码批准，Anthropic 称之为严重的对齐失败，但测试时常规安全机制被有意关闭。